基于迁移成分分析的近红外光谱定量分析通用模型

• 全文链接
• 请求原文

作   者：

王雪;  王子文;  张广月;  马铁民;  陈争光;  衣淑娟;  王长远; 

作者机构：

黑龙江省水稻生态育秧装置及全程机械化工程技术研究中心;  黑龙江八一农垦大学信息与电气工程学院;  农业农村部农产品及加工品质量监督检验测试中心(大庆); 

关键词：

模型转移;  近红外光谱;  迁移成分分析;  定量分析; 

期刊名称：

光谱学与光谱分析

i s s n：

1000-0593

年卷期：

2024 年 44 卷 011 期

页   码：

3213-3221

摘   要：

在近红外光谱定量分析中，由于光谱数据采集设备和环境条件的不同，已有模型在使用到不同设备或不同环境时会出现预测精度低的现象。为了增强定量分析模型的普适性和通用性，提高模型的预测精度，提出一种基于改进的迁移成分分析转移方法(TM-TCA)的近红外光谱定量分析通用模型构建策略。改进的迁移成分分析方法采用二次校正策略，通过对从机光谱数据的两次校正，改善由于仪器偏移、漂移或不稳定性引起的光谱差异性，确保数据的一致性和准确性，消除仪器不同或外界条件影响产生的偏差，使校正后的从机光谱数据特征尽可能接近主机光谱，以此增强模型对从机光谱的预测能力。首先求出主机与从机光谱转换矩阵，通过转换矩阵进行待测样品的一次校正，缩小主机与从机样品间受外界条件因素产生的差异性。将经过转换矩阵转换后的主机-从机光谱数据矩阵作为迁移成分分析方法的输入。接下来，基于多指标综合迭代优化选择迁移学习中的核函数和特征值个数的基础上构建定量分析通用模型。为了验证迁移成分分析改进效果，与多种方法的转移效果进行比较。通过优化分析选择RBF核函数，特征值个数为52,实验表明，基于TM-TCA的光谱校正率达到97.1%,光谱平均差异(ARMS)与转移前相比下降了82.9%,比TM和TCA方法分别降低了46.5%和30.2%。为了验证模型构建策略的有效性，构建基于TM-TCA和偏最小二乘回归(PLSR)的玉米水分定量分析通用模型，并对不同设备条件下的模型通用性进行分析。TM-TCA-PLSR模型的预测效果与TCA-PLSR模型的预测效果相比较，模型的预测决定系数达到了0.872 9,提升了41%,预测均方根误差(RMSEP)和平均绝对误差(MAE)分别为0.154 3和0.115 9,均降低了90%以上，并且TM-TCA-PLSR模型相对分析误差(RPD)值超过了2.5,模型具有实际应用的价值。表明了TM-TCA转移方法能有效减少主机和从机光谱之间的差异性，基于TM-TCA和PLSR的主机模型具有一定的通用泛化能力。