1．基于MWPLS法的硬脂酸近红外光模型优化

首先对41个食用油的原始光谱进行均值化处理，去除噪声。初始化窗n宽度为11个波长变量，窗口宽度增加的步长为10波长变量，依次建立了窗口宽度11～481的多个PLS模型。其中在窗口宽度为115个光谱数据点时，如图9-21所示：横轴为波数点值，纵轴为RMSECV的值，由RESECV随窗口位置变化的关系图可以计算得到最小的RMSECV。波段选取结果如图9-22所示。对应的波数点范围是4447～5326cm^-1。

图9-21 RMSECV随窗口位置变化的关系图

图9-22 MWPLS法波段选择图

图9-23 MWPLS法硬脂酸模型分析结果

对之前按Kennard-Stone法划分好的样本集进行建模，MWPLS法建模结果如图9-23所示。所建模型的主成分数为12时，模型最佳，决定系数R²为0.9465, RMSECV为0.1795, RMSEP为0.2038。

2．基于iPLS法的硬脂酸近红外光模型优化

首先对 41个食用油的原始光谱进行均值化处理，去除噪声。将原始光谱分成2～50个子区间分别建模比较。其中将原始光谱分成16个区间得到最佳模型，图9-24所示为各个子区间模型的RMSECV的比较图。由图可知在第15个区间得到最小的RMSECV。波段选取结果如图9-25所示。该区间对应的波数范围是4517～5041cm^-1。

对之前按Kennard-Stone法划分好的样本集进行建模，iPLS法建模结果如图9-26所示。所建模型的主成分数为11时，模型最佳，决定系数R²为0.9248, RMSECV为0.2107, RMSEP为0.2175。

图9-24 子区间模型的RMSECV的比较图

图9-25 iPLS法波段选择图

图9-26 iPLS法硬脂酸模型分析结果

3．基于BiPLS法的硬脂酸近红外光模型优化

首先对41个食用油的原始光谱进行均值化处理，去除噪声。将原始光谱分成2～55个子区间，选择每个划分区间下的最佳联合子区间分别建模比较。因为算法的计算量会随着划分区间数与联合子区间数的增大而剧烈增加，所以选择的子区间数应小于5。综合考虑RMSECV及RM-SEP的值及联合子区间数，将原始光谱分成35个区间，6个子区间联合(15、20、22、23、32、33)，波段选取结果如图9-27所示，区间对应的波数范围为4478～4709cm^-1、4709～4941cm^-1、6869～7100cm^-1、7100～7332cm^-1、7586～7818cm^-1、8797～9029cm^-1。

图9-27 BiPLS法波段选择图

对之前按Kennard-Stone法划分好的样本集进行建模，BiPLS法建模结果如图9-28所示。所建模型的主成分数为13时，模型最佳，决定系数R²为0.9455, RMSECV为0.1793, RMSEP为0.1816。

图9-28 BiPLS法硬脂酸模型分析结果

4．基于SiPLS法的硬脂酸近红外光模型优化

首先对41个食用油的原始光谱进行均值化处理，去除噪声。将原始光谱分成4～50个子区间，分别选择联合子区间(个数为2、3、4)进行联合建模得到相对应的最佳模型，见表9-5。

综合考虑RMSECV及RMSEP的值及联合子区间数，将原始光谱分成35个区间，4个子区间联合(3、6、15、23)，波段选取结果如图9-29所示，区间对应的波数范围为4478～4709 cm^-1、4709～4941cm^-1、6869～7100cm^-1、8065～8296cm^-1。建模结果如图9-30所示。

表9-5 基于SiPLS法的子区间组合建模

图9-29 SiPLS法波段选择图

图9-30 SIPLS法硬脂酸模型分析结果

5．硬脂酸定量模型比较

采用上述4种方法筛选波长后建立的最佳PLS模型见表9-6。从表中可以得出通过对划分区间数、联合区间数、区间选取等筛选得到的波长建立PLS回归模型，4种模型预测精度均明显优于全光谱建模。其中SiPLS(联合6个区间)所建模型指标最佳。决定系数R²为0.9455, RM-SECV为0.1793，RMSEP为0.1818。

表9-6 特征谱区筛选后建模结果比较

观察利用4种特征波长挑选方法优选的波数范围，4种方法建立的模型所对应波数范围的公共区域集中于4400～5000cm^-1，而烷烃类化合物的甲基C-H的第一合频区域位于4500～4545cm^-1，并且烷烃的甲基-CH₃在4395 cm^-1附近有强吸收峰。预测结果较好的SIPLS和BIPLS优选的波数范围在6869～7100cm^-1也有公共区域，而羧酸-OH伸缩振动的一级倍频吸收出现在6920cm^-1附近。因此本章采用4种方法所挑选的特征波长与理论分析的特征峰相符。

相关链接：食用油亚油酸近红外光特征谱区筛选与模型优化

文章来源：《多光谱食品品质检测技术与信息处理研究》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。