近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意。与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势。由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中。但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道。文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量。其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17cal.kg-1,0.28%～0.57%。光谱扫描区为3899.6～12493.4cm-1,扫描间隔1cm-1。采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关。并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较。结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.0406,表明预测值有较好的精度。结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果。因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节。样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度。以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的。

空间信息遥感分类背景参数的应用分析

重点论述了空间信息遥感图像识别分类中背景参数的应用，包括图像信息的地学、生态特性与其制图对象、尺度的分析拟定；地物识别分类最佳时相图像的物侯历的研究；遥感图像识别分类中波段优化组合分析以及地物识别的目标背景因素的辅助应用。该类背景参数与区域参数的应用研究一样，对空间图像数字识别分类的精度的根本改进与提高，具有重要的作用。