《表2 不同预处理方法下构建的PLS-DA模型的校正及预测结果》

  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

《基于近红外光谱技术快速鉴别不同产地金银花》

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

按照PLS-DA判别方法的流程，首先对不同产地金银花校正集样本的分类变量进行赋值，以河南省为例，河南样本赋值1，其他地区赋值0。赋值之后运用回归方法对校正集样本的光谱与样本对应的分类变量进行回归分析，建立光谱特征与分类变量间的PLS模型对预处理后的校正集图谱进行回归分析，比较多种光谱预处理方法，根据最优校正模型的主要性能参数，筛选出最佳处理组合，不同光谱预处理方法下对不同产地校正集和验证集的验证结果见表2。其中，模型的主成分数是通过PRESS值结合F检验来确定。二阶导数和SNV共同使用对光谱矩阵进行预处理，此时模型校正集和验证集的识别率以及拒绝率均达到100%，因此将二阶导数和SNV作为最佳预处理方法；原始光谱和经二阶导数和SNV共同处理后的光谱比较如图3所示。由图3可以看出，经过处理后的光谱差异化更显著，可以看出明显的光谱差异，更有利于样品之间的识别。