基于iPLS的油脂过氧化值近红外光谱特征波段选择

doi:10.7506/spkx1002-6630-201109022

食品科学 ›› 2011, Vol. 32 ›› Issue (9): 97-100.doi: 10.7506/spkx1002-6630-201109022

基于iPLS的油脂过氧化值近红外光谱特征波段选择

王立琦，孔庆明，李贵滨，张礼勇，于殿宇，江连洲

1.哈尔滨理工大学测控技术与通信工程学院 2. 哈尔滨商业大学计算机与信息工程学院 3.东北农业大学食品学院

出版日期:2011-05-15 发布日期:2011-04-11
基金资助:
国家“863”计划项目(2010AA101503)；黑龙江省教育厅科学技术研究项目(11551109)

Characteristic Band Selection of Near-infrared Spectrum for Determining Peroxide Value of Oil Based on iPLS

WANG Li-qi1,2，KONG Qing-ming2，LI Gui-bin2，ZHANG Li-yong1，YU Dian-yu3，JIANG Lian-zhou3,*

1. School of Measurement-control Technology and Communication Engineering, Harbin University of Science and Technology, Harbin 150086, China；2. School of Computer and Information Engineering, Harbin University of Commerce, Harbin 150028, China； 3. School of Food, Northeast Agricultural University, Harbin 150030, China

Online:2011-05-15 Published:2011-04-11

摘要/Abstract

摘要： 在大豆油脂过氧化值近红外光谱分析中，利用间隔偏最小二乘法(interval partial least square，iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段，然后对全谱和每个小波段分别用PLS回归建模，用预测残差平方和(predicted residual sum of squares，PRESS)对模型进行评价。结果表明：经过特征波段选择后，50个波长点模型的决定系数、预测误差均方根、相对误差均值分别为0.9791、0.0513和2.12%，有效地减少建模的变量数，预测精度得到提高。

关键词: 油脂过氧化值, 近红外光谱, 特征波段选择, iPLS

Abstract: During analyzing peroxide value of soybean oil by near-infrared spectroscopy, iPLS (interval partial least squares) was applied to select characteristic spectral bands of soybean oil. The whole spectrum was divided into several smaller bands using data intervals of 10 and 20 points, respectively. Then, PLS regression models were established by using whole spectrum and smaller bands. These models were evaluated by PRESS (predicted residual sum of squares). The results indicated that after selecting characteristic bands, the R2, RMSEP and RSD were 0.9791, 0.0513 and 2.12%, respectively. The variables in these models were decreased effectively and the prediction accuracy was improved.

Key words: oil peroxide value, near-infrared spectroscopy, characteristic band selection, interval partial least squares (iPLS)

中图分类号:

TS207.3

王立琦，孔庆明，李贵滨，张礼勇，于殿宇，江连洲. 基于iPLS的油脂过氧化值近红外光谱特征波段选择[J]. 食品科学, 2011, 32(9): 97-100.

WANG Li-qi，KONG Qing-ming，LI Gui-bin，ZHANG Li-yong，YU Dian-yu，JIANG Lian-zhou. Characteristic Band Selection of Near-infrared Spectrum for Determining Peroxide Value of Oil Based on iPLS[J]. FOOD SCIENCE, 2011, 32(9): 97-100.

[1]	王娅，张存存，付玉叶，张凡，王颉，王文秀. 融合图谱特征信息的明虾挥发性盐基氮含量无损检测[J]. 食品科学, 2021, 42(2): 283-290.
[2]	卢洁，田婧，梁振华，王金梅，康文艺，马常阳，李昌勤. 近红外光谱法快速测定香菇总糖含量[J]. 食品科学, 2021, 42(12): 189-194.
[3]	胡仁伟，俞玥，倪明龙，俞娇，周俊伟，朱诚，李占明. 基于深度信念网络的近红外光谱鉴别莲子粉掺假[J]. 食品科学, 2020, 41(6): 298-303.
[4]	彭丹，刘亚丽，李林青，毕艳兰. 正交试验设计优化近红外检测牛乳中蛋白质的建模条件[J]. 食品科学, 2020, 41(4): 256-261.
[5]	王胜鹏，龚自明，郑鹏程，刘盼盼，滕靖，高士伟，桂安辉. 青砖茶品质近红外特征光谱筛选及预测模型建立[J]. 食品科学, 2020, 41(18): 283-287.
[6]	段宇飞，王巧华. 基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化[J]. 食品科学, 2020, 41(12): 273-278.
[7]	张丙芳，王玉林，刘成海，刘大森，张丙秀，刘勇，牟艳秋，孔庆明，郑先哲. 压榨及浸出工艺对大豆油稳定性影响及IPLS-SPA特征波段选择方法应用[J]. 食品科学, 2020, 41(10): 8-13.
[8]	肖慧，孙柯，屠康，潘磊庆. 便携式葡萄专用可见-近红外光谱检测仪器开发与实验[J]. 食品科学, 2019, 40(8): 300-305.
[9]	何鸿举，朱亚东，王慧，马汉军，陈复生，刘玺，贾方方，康壮丽，刘红，朱明明，赵圣明，王正荣，刘苏汉. 近红外光谱技术在生鲜禽肉质量检测中应用的研究进展[J]. 食品科学, 2019, 40(21): 317-323.
[10]	沈飞，黄怡，周曰春，刘琴，裴斐，李彭，方勇，刘兴泉. 基于光谱和图像信息融合的玉米霉变程度在线检测[J]. 食品科学, 2019, 40(16): 274-280.
[11]	王文秀，彭彦昆，王凡，马营. 局部偏最小二乘法结合可见-近红外光谱预测猪肉挥发性盐基氮[J]. 食品科学, 2019, 40(14): 339-345.
[12]	杨慧，陈德经，夏冬辉，辛茜，陈海涛，金文刚. 基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测[J]. 食品科学, 2019, 40(10): 331-336.
[13]	赵昕，张任，王伟，李春阳. 基于近红外光谱快速定量检测面粉中曲酸的方法建立[J]. 食品科学, 2018, 39(8): 249-255.
[14]	许锋，付丹丹，王巧华，肖壮，王彬. 基于MCCV-CARS-RF建立红提糖度和酸度的可见-近红外光谱无损检测方法[J]. 食品科学, 2018, 39(8): 149-154.
[15]	田晶，李巧玲. 近红外光谱法快速检测饮料中的食用合成色素[J]. 食品科学, 2018, 39(2): 293-297.

基于iPLS的油脂过氧化值近红外光谱特征波段选择

Characteristic Band Selection of Near-infrared Spectrum for Determining Peroxide Value of Oil Based on iPLS

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价