《表2 采用不同预处理方法的全波长PLSR预测模型》

  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

《便携式红提葡萄多品质可见/近红外检测仪设计与试验》

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

由表2可得，在红提SSC预测模型中，原始光谱经过MA预处理后所建的PLSR模型效果最好，Rp和RMSEP分别为0.924 6和1.306 0°Brix。在红提TA质量分数预测模型中，原始光谱所建的PLSR模型效果最好，Rp和RMSEP分别为0.976 4和2.165 7%。在红提p H值预测模型中，原始光谱经过MA预处理后所建的PLSR模型效果最好，Rp和RMSEP分别为0.982 7和0.093 9。在红提硬度预测模型中，原始光谱经过Nor预处理后所建的PLSR模型效果最好，Rp和RMSEP分别为0.908 1和9.378 0 N。在红提含水率预测模型中，原始光谱经过S＿G预处理后所建的PLSR模型效果最好，Rp和RMSEP分别为0.842 7、1.231 0%。对于红提的SSC和p H值，原始光谱经过MA预处理后模型的预测精度明显提高，选取原始光谱经过MA预处理进行特征波长提取和建模。对于红提的TA质量分数，经过预处理所建模型的预测精度反而降低，后续利用原始光谱进行特征波长提取和建模分析。