基于尺度不变特征变换筛选稳定特征波长的近红外光谱模型传递方法

发布时间：2023-04-22 07:52

　　该研究利用一维尺度不变特征变换(SIFT)算法寻找烟叶近红外光谱(Near infrared spectroscopy,NIRS)的稳定特征波长,根据样品精密度测试光谱筛选的波长计算重现率和重现度,采用L₉(3³)正交表优化SIFT算法中的相关参数,使重现率和重现度尽可能高。基于优化的参数和主机上10个代表性样品的光谱,筛选出10个稳定特征波长集合,以这些波长集合并集的光谱响应为自变量,采用偏最小二乘(PLS)方法构建烟叶总植物碱NIRS模型(简称SIFT-PLS)。该模型直接传递到3台从机后,对3台从机样品总植物碱的平均相对预测误差(MRE)均满足小于6%的企业内控要求,而全光谱模型(WW-PLS)直接转移后仅1台从机的MRE满足要求,经分段直接校正(PDS)方法校正从机光谱后,WW-PLS模型也仅对1台从机的MRE小于6%。采用SIFT算法筛选稳定特征波长建立的NIRS模型可在3台从机直接共享,无需转移集,不需对从机光谱或光谱模型进行校正,实现了真正意义的无标样NIRS模型的直接转移。

【文章页数】：7 页

【文章目录】：
1 算法与原理
    1.1 一维SIFT算法筛选稳定特征波长
        (1)构建尺度空间
        (2)进行尺度空间极值检测
        (3)高斯金字塔结构参数的优化
    1.2 近红外光谱模型的建立与评价
2 实验部分
3 结果与讨论
    3.1 SIFT算法中的参数优化
    3.2 烟叶样品光谱及SIFT方法所筛选的稳定特征波长
    3.3 不同烟叶总植物碱近红外光谱模型结果的比较
4 结 论



本文编号：3797231