《表2 不同波段全光谱SVM建模结果对比》

  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

《融合图谱特征信息的明虾挥发性盐基氮含量无损检测》

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

基于不同波段的光谱信息，采用不同的预处理方法建立明虾样品TVB-N含量的SVM模型，结果如表2所示。与利用原始光谱数据建立的SVM模型相比，利用预处理后光谱数据建立的SVM模型预测效果均有所提高，说明预处理方法可以有效地消除或降低光谱数据中的噪声。基于第一波段的光谱信息，利用先一阶导数再SNV处理的方法建立的模型最佳，其Rc为0.936 6，SEC为13.34 mg/100 g，Rp为0.913 0，SEP为15.19 mg/100 g，RPD为2.42，表明模型的结果还有待进一步提高。基于第二波段光谱信息建立的模型结果优于前者，这可能与波段二比波段一光谱的信噪比好，无关信息的干扰减少有关。最佳的预处理方法为先经过二阶导数再进行SNV处理，模型的Rc为0.952 4，SEC为16.77 mg/100 g，Rp为0.9421，SEP为18.97 mg/100 g，RPD为2.53。与利用单一波段的光谱建模结果相比，利用双波段融合后的光谱信息建立的模型精度最高，这可能与融合后的双波段光谱包含的信息量更加丰富有关。最优结果为经过一阶导数处理后建立的模型，其Rc为0.957 8，SEC为14.01 mg/100 g，Rp为0.931 9，SEP为16.39 mg/100 g，RPD为2.66。