基于多層SVM的面筋強(qiáng)度分類模型優(yōu)化研究.pdf

1、在糧食作物中小麥有著尤為重要的地位，被廣泛用于加工多種食品。由于小麥品質(zhì)直接影響著食品的質(zhì)量，因而其受到人們?cè)絹碓蕉嗟年P(guān)注。近年來，隨著人們對(duì)飲食安全的重視，快速、高效的對(duì)小麥品質(zhì)進(jìn)行類型檢測(cè)已發(fā)展成為一項(xiàng)重點(diǎn)研究課題。目前，研究學(xué)者在此項(xiàng)課題上已取得了一定的成果，如采用近紅外光譜分析技術(shù)實(shí)現(xiàn)小麥品質(zhì)類型的檢測(cè)。但目前的檢測(cè)方法仍存在一些問題，如所建模型不完善、模型預(yù)測(cè)精度不高等。針對(duì)目前研究中存在的問題，本文運(yùn)用近紅外光譜技術(shù)分析了小

2、麥按面筋強(qiáng)度分類的可行性，深入研究了小麥類型檢測(cè)模型，提出了建立多層模型的思想實(shí)現(xiàn)對(duì)小麥按面筋強(qiáng)度分類的類型檢測(cè)。
　　首先，為了使所選實(shí)驗(yàn)樣品具有代表性，并確保實(shí)驗(yàn)樣品的原始光譜數(shù)據(jù)的準(zhǔn)確性，本文采用馬氏距離對(duì)采集的光譜數(shù)據(jù)進(jìn)行兩次篩選;同時(shí)，利用對(duì)樣品光譜數(shù)據(jù)的主成分分析(PCA)，本文證明了近紅外光譜分析小麥面筋強(qiáng)度分類的可行性。
　　其次，本文研究了光譜數(shù)據(jù)預(yù)處理方法，用于處理后續(xù)建模數(shù)據(jù)。本文對(duì)移動(dòng)窗口平均、一階導(dǎo)

3、數(shù)、二階導(dǎo)數(shù)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)方法相結(jié)合組成的8種不同修正方法比較分析;不僅如此，本文還對(duì)PCA、連續(xù)投影算法(SPA)和偏最小二乘(PLS)三種數(shù)據(jù)壓縮降維方法進(jìn)行比較分析。結(jié)果表明，利用移動(dòng)窗口平均-二階導(dǎo)數(shù)-SNV修正方法和PLS壓縮降維方法處理小麥光譜數(shù)據(jù)的效果最好。
　　最后，本文研究了以支持向量機(jī)(SVM)構(gòu)建多層分類模型。通過對(duì)基于SVM所建立的小麥品質(zhì)類型（強(qiáng)筋、中筋、弱筋和普通小麥）檢測(cè)模型驗(yàn)證結(jié)果的分