换一批
换一批基于低场核磁共振与近红外数据融合的豆粕蛋白质含量预测模型
Prediction Model of Soybean Meal Protein Content Based on Low-field Nuclear Magnetic Resonance and Near-infrared Data Fusion
摘要在低场核磁共振与近红外光谱特征层数据融合的基础上建立豆粕蛋白质含量的预测模型,实现对豆粕生产过程中蛋白质含量的快速检测.采集待测样品的低场核磁共振与近红外光谱数据,对数据进行预处理.利用连续投影算法(SPA)提取低场核磁共振与近红外光谱的特征变量,应用偏最小二乘法、BP神经网络、麻雀搜索算法优化BP神经网络(SSA-BP),融合筛选出的特征变量,建立豆粕蛋白质含量预测模型.将低场核磁共振数据、近红外光谱数据单独建模与两种技术数据融合后构建的模型相比较,两种技术数据融合构建的SSA-BP模型效果最优,校正集决定系数为0.983 0,校正集均方根误差为 0.127 3,验证集决定系数为0.956 4,验证集均分根误差为 0.203 9.综上,本方法能够实现豆粕蛋白质含量的快速、无损及准确定量检测,也验证了低场核磁共振与近红外数据融合的可行性与有效性.
更多相关知识
关键词
蛋白质低场核磁共振近红外特征层融合豆粕蛋白质proteinlow-field nuclear magnetism resonancenear-infraredfeature layer fusionsoybean meal protein
分类号
TS207.3
栏目名称
品质营养
DOI
10.16210/j.cnki.1007-7561.2025.01.016
发布时间
2025-02-18
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
