目的 基于高光谱技术实现对小麦粉灰分含量的准确检测。方法 利用高光谱成像技术采集小麦粉的光谱数据, 建立基于偏最小二乘法(partial least squares regression, PLSR)和深度极限学习机(deep extreme learning machines, DELM)的小麦粉灰分含量预测模型; 通过分析 3 种预处理算法和 4 种波长选择算法, 分别选出最佳的预处理与波长选择方法, 最后构建基于特征波段光谱信息的预测模型, 并对结果进行比较。 结果 标准正态变量校正(standard normal variable, SNV)为最佳预处理方法; 连续投影算法(successive projections algorithm, SPA)相较于随机森林(random forest, RF)、无信息变量消除(uninformative variable elimination, UVE) 和遗传算法(genetic algorithm, GA)选择特征波长的模型更优; DELM 模型更适用于灰分含量的检测, 最优模型的测试集决定系数为 0.968, 预测集均方根误差为 0.024。结论 高光谱成像技术可以快速、精准的无损检测小麦粉灰分含量, 该技术可为在线检测小麦粉品质系统的开发提供理论依据。
李佳琮 , 谷晏 , 刘翠玲 * , 孙晓荣 , 张善哲 .基于高光谱技术检测小麦粉灰分含量[J].科研仪器案例成果数据库,2024,(0).
