《表5 不同光谱预处理的掺入玉米、花生油的山茶油掺假样品建模结果比较》

  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

《山茶油多元掺假近红外模型的建立与研究》

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

样品本身物理性质、环境因素、高频仪器自身噪音等因素会影响样品红外谱图的采集，引起基线漂移和光谱重现性较差等问题，因此需采用预处理方法消除噪声[19]。一阶导数和二阶导数可降低光谱峰的偏移和飘移，SG（Savitaky-Golay filter）和Nd（Norris-derivative filter）滤波可对光谱进行平滑处理。在选择最佳光谱波段的基础上，对样品进行不同的预处理，采用PLS方法分别建立多元掺假体系的山茶油掺假预测模型，所建模型的校正集、预测集和交叉验证集的结果见表3、表4和表5。由表可知，不同预处理方法建立的模型性能指数都达到0.99以上，均方差也在较低的范围内，预测效果均没有明显差别。但是细比之下，各模型还是有优劣之分。采用原光谱或者原光谱+SG平滑得到的模型预测效果相对比较差，单独采用一阶导数或者二阶导数处理，虽然可提高光谱分辨率，但模型预测能力也不佳，说明SG和Nd平滑处理可提高信噪比，减少随机噪音。另外，由表还发现，相同阶数情况下，Nd平滑方法优于SG平滑。通过预测模型的精度衡量标准，掺有玉米油、花生油的二元体系山茶油掺假模型最优预处理方法都是一阶导数+Nd，二阶导数处理的图谱使光谱差异更明显，但也放大了噪声信息，反而使预测能力下降，而掺有玉米油和花生油的三元体系山茶油掺假模型采用二阶导数+Nd的预处理方法，所建模型的预测能力较高。