基于高光谱技术的籼稻霉变程度鉴别模型构建与优化

为解决快速无损鉴别籼稻霉变程度问题,利用高光谱技术采集200份霉变样本可见/近红外光谱信息,随机选取155份样本作为校正集,剩余45份作为验证集,根据预测浓度残差检验标准对校正集中异常样本进行剔除。以新校正集建立主成分线性判别分析(PCA-LDA)和簇类独立软模式法(SIMCA)模型,选用正确识别率为指标,优选最佳鉴别模型。并采用连续投影算法(SPA)提取特征波长,优化优选的最佳模型构建速度。研究结果表明,PCA-LDA对所有样本的误判总数为15,正确识别率为92.50%;SIMCA和SPASIMCA对所有样本的未能正确识别总数分别为6、2,正确识别率分别为97.00%、99.00%,并且经SPA筛选的变量数为20,仅占原始变量数的7.81%,建模时长缩短为原始变量的40.93%。因此,SPA-SIMCA鉴别效果最好,该方法在快速、准确鉴别籼稻霉变程度上具有可行性。