《表2 基于不同预处理方式的PLS模型比较》

  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

《基于近红外光谱建立大黄鱼新鲜度预测模型》

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

通过比较模型间的决定系数和标准偏差可以看出（见表2），预处理后建立的模型标准偏差为0.5～1.0，相关系数均大于0.80。其中经趋近归一化法预处理后，建立模型的相关系数Rc和Rp值最高，可达到0.9095和0.8858，SEC和SEP分别为0.5872和0.6615。与其他几种预处理方法相比，趋近归一化法预处理建立的PLS模型效果最佳，而经Db1和Db2处理的结果较差。Zhou等[15]研究发现，在建立鳙鱼的近红外模型时，WHC、回弹、弹性和剪切力的最佳预处理方法为MSC，硬度和咀嚼度的最佳预处理方法为SNV。通过MSC预处理，WHC模型的Rc和Rp增加。在硬度方面，SNV显著改善了模型的性能，Rc和Rp分别提高到0.95和0.81。张欣欣等[12]利用近红外光谱结合化学指标建立了镜鲤新鲜度预测模型，结果表明，SNV能够消除固体颗粒大小、表面散射以及光程变化对光谱的影响，SNV+Db1是最佳的预处理方法，建立模型的校正集与验证集的决定系数最大，分别为0.964和0.931。此实验中，SNV和MSC效果不如Ncl，可能是新鲜度指标不同所致。