《表2 基于不同特征波长提取方法下建模效果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《盐池滩羊肉脂肪含量的高光谱预测模型构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表2所示，为采用4种特征波长提取方法所挑选出特征波段构建的PLSR模型效果对比表。其中，经IVISSA算法提取特征波长后所建立的PLSR模型Rc值和Rp值最高，分别为0.931和0.754；RMSEC值、RMSECV值和RMSEP值最低，分别为0.0046、0.0088和0.0096。这是由于在4种特征波长提取方法中，前3种算法将特征信息排除，无用信息挑选出，特别是在采用CARS算法挑选特征波长过程中比较明显，Rc值和Rp值均大幅度降低且低于全波段所构建的PLSR模型，只有IVISSA算法提高了模型的相关性和预测能力，同时降低了RMSEC、RMSECV和RMSEP值，保证了模型的稳定结构。说明通过IVISSA算法提取出的特征波长可有效与滩羊样本脂肪含量的特征信息进行拟合，同时也说明了IVISSA算法在挑选特征波长过程中可以有效的排除无关脂肪的光谱信息，使得模型效果更加优越。与全波段相比，模型效果有所改善。如图7为脂肪含量实测值与预测值线性拟合曲线。因此采用NormlizeIVISSA-PLSR模型来预测滩羊脂肪含量是可行的。