《表1 掺假样品全波段偏最小二乘模型的预测结果》

  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

《高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉》

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

注:LVS:潜在变量数；R2C:校正集决定系数；R2CV:交叉验证集决定系数；R2P:验证集决定系数；RMSEC:校正集均方根误差；RMSECV:交叉验证集均方根误差；RMSEP:验证集均方根误差；RPD:剩余预测偏差；ΔE:RMSEP与RMSEC差的绝对值；表2～表3同。

本试验将不同掺假比例的牛肉样品与相应的光谱数据进行拟合，建立全波段（486个波长）偏最小二乘模型。表1为全波段偏最小二乘模型的预测结果，从表1中可以看出当潜在变量数为3时，所建全波段模型最优，校正集与交叉验证集的决定系数分别为0.98和0.97，接近于1，说明实测值与预测值的相关性较好，其均方根误差分别为4.63%和5.65%接近于0，说明模型的预测误差较小，精度较高，从表1中可以看出RMSEP>RMSECV>RMSEC，说明所选样品代表性较好。图2为PLSR模型样品得分图，XPC1与XPC2分别表示第一主成分与第二主成分对光谱（X）的解释率（分别为73%和26%）、YPC1与YPC2表示第一、二主成分对预测变量（Y）的解释率（分别为72%和22%）。从图2中可以看出，光谱（X）的解释率为99%（73%+26%）说明所建立的模型具有可靠性，样品的得分图没有离群值，说明了所选样品的有效性。将验证集带入所建立的模型中，用于模型的验证，从表1中可以看出，验证集的决定系数和均方根误差分别为0.96和5.75%且RPD为6.45>3[28-29]，说明了高光谱成像技术结合PLSR法对掺假肉检测的可行性。