北京普天同创生物科技有限公司
1.不进行预处理
如图12-10所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
图12-10 样本数据不进行预处理的聚类分析结果
2. SNV
如图12-11所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
3.一阶导数
如图12-12所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
4.一阶导数+SNV
如图12-13所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
图12-11 样本数据SNV的聚类分析结果
图12-12 样本数据一阶导数的聚类分析结果
5.二阶导数
如图12-14所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
6.二阶导数+SNV
如图12-15所示,由所建模型可以看出,树状图两分支的新、老茶叶掺杂度高,无法正确分类。
图12-13 样本数据一阶导数+SNV的聚类分析结果
图12-14 样本数据二阶导数的聚类分析结果
7.小结
通过建模分析对比(见表12-2),可以发现但凡是采用了中红外光,无论使用哪一种建模方法均不可能正确分类,结果都显示为树状图的两分支新、老茶叶高程度混杂,无法分类。
图12-15 样本数据二阶导数+SNV的聚类分析结果
表12-2 新、老茶叶中红外光谱建模结果分析对比表
综合近红外光和中红外光的建模结果看来,用近红外光对新、老茶叶分类最准确,可靠性最高。
在本节实验中,以72个茶叶样本为研究对象。其中36个为新茶样本,36个为老茶样本。得出以近红外光除不进行预处理的其他方法作为预处理方法,基于其中62个样本,通过聚类分析的方法建立了新、老茶的定性分类模型。并对剩余的10个样本逐一做聚类分析测试,成功地得到了正确的分类结果。验证了结论正确性的同时,也为茶叶的新、老鉴别提供了一种新的技术,也确实达到了目前市场上对茶叶鉴别技术提出的简单、快速、无损的要求。
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。
通话对您免费,请放心接听
温馨提示:
1.手机直接输入,座机前请加区号 如18601949136,010-58103629
2.我们将根据您提供的电话号码,立即回电,请注意接听
3.因为您是被叫方,通话对您免费,请放心接听
登录后才可以评论