版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、浙江大學(xué)碩士學(xué)位論文基于電子鼻的西紅柿與黃酒的檢測(cè)與評(píng)價(jià)研究姓名:周亦斌申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):農(nóng)業(yè)機(jī)械化工程指導(dǎo)教師:王俊20050301碩士學(xué)位論文中文摘要浙江大學(xué)陣列進(jìn)行檢測(cè)和分析。PCA的分析方法在損傷的檢測(cè)中不是很理想。2利用電子鼻和吸附解吸附系統(tǒng)來評(píng)價(jià)黃酒的陳年數(shù)和品牌在同一品牌不同陳年數(shù)的電子鼻檢測(cè)分析中,對(duì)訓(xùn)練樣品,取不同特征值采用PCA進(jìn)行的分析表明,取前5s均值作為特征值的分析效果最理想,00S內(nèi)的均值和最后5s均值
2、作為特征值的分析的效果次之,第7s處和所有傳感器響應(yīng)的最大值分析效果不理想。不同的特征值提取對(duì)模式識(shí)別的好壞起關(guān)鍵的作用。取前5s均值作為特征值,建立用于區(qū)分同一品牌的1年陳、3年陳和5年陳的模式文件。對(duì)檢測(cè)樣品進(jìn)行聚類分析后可知,此模式文件對(duì)檢測(cè)的樣品均能實(shí)現(xiàn)1009/o的區(qū)分和識(shí)別。取前5s均值建立PLS預(yù)測(cè)模型,從PLS的總的剩余方差分析得到,建立4個(gè)潛在變量的模型是合適的。此模型對(duì)古越龍山訓(xùn)練樣品的分析預(yù)測(cè)的預(yù)測(cè)值與實(shí)際值的相關(guān)
3、系數(shù)R=0996。平均標(biāo)準(zhǔn)誤差(RMSEP)為o150,對(duì)檢測(cè)樣品預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)It=m991,平均標(biāo)準(zhǔn)誤差(RMsEP)為0270;此模型對(duì)會(huì)稽山訓(xùn)練樣晶的預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)R卸983,平均標(biāo)準(zhǔn)誤差(RMSEP)為0302,對(duì)檢鍘樣品預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)R町981,平均標(biāo)準(zhǔn)誤差(RMSEP)為0508。可見PLS預(yù)測(cè)模型可以較理想的實(shí)現(xiàn)對(duì)同一品牌檢測(cè)樣品的陳年數(shù)預(yù)測(cè)。在不同品牌不同陳年數(shù)加飯?zhí)系碾娮颖欠治鲋?,從?xùn)練
4、樣品的7s處的特征僮和前5s均值的特征值PCA分析結(jié)果看,取前5s均值更適合建立模式文件,取前5S均值建立橫式文件。對(duì)模式文件的聚類分析可知,古越龍山和會(huì)稽山5年陳最為接近,古越龍山和會(huì)稽山3年陳次之。建立的模式文件對(duì)訓(xùn)練樣品和檢測(cè)樣品的聚類分析可知,對(duì)不同陳年數(shù)訓(xùn)練樣品品牌區(qū)分正確率為925%,對(duì)不同陳年數(shù)檢測(cè)樣品品牌區(qū)分正確率為867%。不考慮品牌時(shí),對(duì)陳年數(shù)區(qū)分正確率均為100%。取前5s均值時(shí),采用逐步判別分析方法可知,對(duì)訓(xùn)練樣
5、品的分類時(shí),除會(huì)稽山3年陳有1樣品被歸入到古越龍山3年陳外,其他樣品都可以100%J瞧被區(qū)分和識(shí)別。所有訓(xùn)練樣品的判斷正確率為992%。對(duì)檢測(cè)樣品的分類結(jié)果,會(huì)稽山3年陳有2樣品被歸入到吉越龍山3年陳,會(huì)稽山5年陳有1樣品被歸入到古越龍山5年陳。所有檢測(cè)樣品的判斷正確率為90%。如果只考慮對(duì)陳年數(shù)的判別的話,采用逐步判別分析可以100/d也區(qū)分訓(xùn)練樣品和檢測(cè)樣品的陳年數(shù)。取前5S均值進(jìn)行PLS分祈與預(yù)鼴,建立120個(gè)硼練樣品的班s分析校
6、準(zhǔn)模型,此模型預(yù)瀏值與實(shí)際值的楣關(guān)系數(shù)R=0972。平均標(biāo)準(zhǔn)誤差(RMSEP)為0385。從PLS分析中可知,個(gè)別樣品在建立預(yù)測(cè)模型時(shí),對(duì)整個(gè)分析起負(fù)面的影響,因此應(yīng)該去除這些樣品以提高模型的預(yù)測(cè)能力。訓(xùn)練樣品有4個(gè)樣品對(duì)頸測(cè)模型有負(fù)面的影響,在去除4個(gè)被確認(rèn)為不理想的訓(xùn)練樣品(樣品3、18、63和7S)后,通過不同潛在變量下的剩余方差分析圈,建立8個(gè)潛在變量的校準(zhǔn)模型。建立了新的PLS分析預(yù)測(cè)模型,優(yōu)化后模型預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)R
7、=0974平均標(biāo)準(zhǔn)誤差(RMSEP)為0364。優(yōu)化后的模型對(duì)檢測(cè)樣品的預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為R=0958,平均標(biāo)準(zhǔn)誤差(RMSEP)為O516??梢奝LS預(yù)測(cè)模型也可以較理想的實(shí)現(xiàn)對(duì)讕練樣品和檢測(cè)樣品的陳年數(shù)預(yù)測(cè)。而且從不同陳年數(shù)黃酒的預(yù)測(cè)值看,同一陳年數(shù)的不同品牌的黃酒也存在一定的規(guī)律。因此可以在以后進(jìn)一步研究利用電子鼻信號(hào)和PLS分析方法預(yù)測(cè)區(qū)分黃酒的品牌。對(duì)比不同的BP網(wǎng)絡(luò)結(jié)構(gòu)對(duì)訓(xùn)練樣品的擬合所需的選代次數(shù)和擬合精度后得到1
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 電子鼻在黃酒品質(zhì)檢測(cè)中的應(yīng)用研究.pdf
- 云電子鼻平臺(tái)開發(fā)及其在黃酒酒齡檢測(cè)中的應(yīng)用.pdf
- 基于電子舌的黃酒品質(zhì)檢測(cè).pdf
- 魚新鮮度的電子鼻在線檢測(cè)與評(píng)價(jià)技術(shù)研究.pdf
- 基于電子鼻-舌的啤酒檢測(cè)研究.pdf
- 基于電子鼻技術(shù)的牛奶腐敗度檢測(cè)系統(tǒng)研究與設(shè)計(jì).pdf
- 基于電子鼻技術(shù)的茶葉品質(zhì)檢測(cè)研究.pdf
- 基于電子鼻技術(shù)的茶樹蟲害信息檢測(cè).pdf
- 基于電子鼻和電子舌的草莓鮮榨汁的檢測(cè).pdf
- 基于電子鼻技術(shù)的碧螺春茶品質(zhì)檢測(cè)研究.pdf
- 檢測(cè)惡臭的電子鼻系統(tǒng)開發(fā)與應(yīng)用研究.pdf
- 基于電子鼻的牛肉新鮮度檢測(cè).pdf
- 食品電子鼻檢測(cè)中特征鑒別能力的評(píng)價(jià)方法研究.pdf
- 基于電子鼻的豬肉新鮮度檢測(cè)體系的研究.pdf
- 基于可視嗅覺的電子鼻技術(shù)研究與實(shí)現(xiàn).pdf
- 基于電子鼻的魚肉新鮮度評(píng)價(jià)方法的研究.pdf
- 基于電子鼻的魚粉新鮮度快速檢測(cè)方法研究.pdf
- 基于電子鼻技術(shù)的蘋果霉變快速檢測(cè)方法研究.pdf
- 裸燕麥品質(zhì)評(píng)價(jià)與燕麥黃酒的釀造.pdf
- 肺癌呼吸檢測(cè)的電子鼻設(shè)計(jì).pdf
評(píng)論
0/150
提交評(píng)論