1．原始光谱＋不平滑＋距离匹配法建模

计算出来的模型如图11-22所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类清晰，只有个别样本距离较近影响分类准确度。

图11-22 原始光谱＋不平滑＋距离匹配法建模结果

由下面的分析结果可以看出：8号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号、40号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为93.3%。

2．一阶导数＋平滑＋距离匹配法建模

计算出来的模型如图11-23所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类清晰，只有个别样本距离较近影响分类准确度。

图11-23 样本一阶导数＋平滑的定性分析结果

由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95.6%。

3.一阶导数＋不平滑＋距离匹配法建模

计算出来的模型如图11-24所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为聚集，影响分类准确度。

图11-24 样本一阶导数十不平滑的定性分析结果

由下面的分析结果可以看出：8号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95. 6%。

4．二阶导数＋平滑＋距离匹配法建模

计算出来的模型如图11-25所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为清晰，极个别马铃薯淀粉与玉米淀粉距离较近影响分类准确度。

图11-25 样本二阶导数十平滑的定性分析结果

由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95.6%。

5．二阶导数＋不平滑＋距离匹配法建模

计算出来的模型如图11-26所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为清晰但是较为密集，极个别马铃薯淀粉与玉米淀粉距离太近影响分类准确度。

图11-26 样本二阶导数＋不平滑的定性分析结果

由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，40号和45号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为93.3%。

6．光谱预处理＋距离匹配法建模小结(见表11-3)

综合上述两类方法可以看出：二阶导数＋平滑的光谱预处理方法最为合适，虽然此种方法的准确率与一阶导数＋平滑的相同，但是此种方法的测试样本的准确率要比一阶导数＋平滑要高，所以为最佳预处理选择。从两类方法的模型准确率来看，显然距离匹配法的准确率普遍较高，并且其准确率的最大值都要比判别分析法的最大值大。
表11-3 淀粉拉曼距离匹配法建模结果分析比对表

相关链接：基于判别分析法的淀粉种类建模分析

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。