基于傅里叶变换近红外光谱的籽棉含水率无损检测

• Published in: 农业工程学报 Vol. 39; no. 21; pp. 152 - 160
• Main Authors: 郭俊先, 张振振, 韩景, 周军, 史勇, 姜彦武, 杨潇
• Format: Journal Article
• Language: Chinese
• Published: 新疆农业大学机电工程学院,乌鲁木齐 830052%新疆农业大学机电工程学院,乌鲁木齐 830052 01.11.2023; 新疆智能农业装备重点实验室,乌鲁木齐 830052%铁建重工新疆有限公司,乌鲁木齐 830000
• Subjects: non-destructive detection; feature wavelength; near-infrared spectroscopy; 籽棉; 近红外光谱; 含水率; 特征波长; 无损检测; moisture content; seed cotton
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202308012

S126; 为了实现对籽棉含水率的快速、无损检测,该研究采用傅里叶变换近红外光谱技术建立籽棉含水率定量检测模型.首先探究了籽棉样本密度对于光谱曲线的影响,该研究发现样本密度大小对光谱曲线影响显著,密度越小光谱信号越强,当样品密度不低于0.088 6 g/cm3时,光谱曲线变化趋于平稳.通过采集籽棉样本在3 900～11 000 cm-1波数范围的吸光度光谱数据,并应用了 9种预处理方法对原始光谱数据进行处理.发现一阶导数结合消除趋势(first derivative-detrending,FD-DT)预处理方法在偏最小二乘回归(partial least squares regression,PLSR)模型建立时表现最佳.使用了竞争自适应重复加权法(competitive adaptive reweighted sampling,CARS)、信息增益法(information gain,IG)、连续投影法(successive projections algorithm,SPA)和相关系数(correlation coefficient,CC)等算法,来获取最佳的特征波长.构建PLSR和支持向量机(support vector machine,SVM)的籽棉水分含量预测模型,比较不同分析算法,确定了 FD-DT-CARS-PLSR和FD-DT-CARS-SVM两种算法组合作为最佳预测模型,预测集决定系数(R2P)分别为0.933和 0.931,预测集均方根误差(root mean square error,RMSE)分别为 0.480 和 0.500,剩余预测偏差(residual prediction deviation,RPD)分别为3.88和3.85.研究结果表明,利用近红外光谱技术可以无损和准确地检测籽棉样本的含水率.