基于玉米近红外光谱的植物油含量预测研究

冯惠妍

（黑龙江八一农垦大学,黑龙江 大庆163319）

光谱数据特征提取的一类方法是数据降维。数据降维方法中有线性降维方法,如常用的是主成分分析（Principal Component Analysis,PCA）[1]。2013 年,张小燕等利用主成分分析方法筛选出马铃薯主要成分指标,并建立了主要营养成分的预测模型[2]；有非线性降维算法,如局部线性嵌入（Locally Linear Embedding,LLE）算法,它能够使降维后的数据较好地保持原有流行结构[3],与其他降维方法比较,局部线性嵌入算法的优势在于只需要定义唯一的参数即邻域数,在模式识别、人工智能等领域得到了广泛应用。2019 年,席亮等将局部线性嵌入应用于入侵检测技术中,以提高检测器生成速率和对数据检测效率[4]。2019 年,张东妍等将局部线性嵌入算法应用到红松子品质近红外检测中,建立一个区分正常和霉变松子的分类模型[5]。本文首先通过标准正态变量变换+一阶导数+卷积平滑,实现对玉米的近红外高维光谱数据进行预处理分析,在对玉米高维近红外光谱数据分别进行PCA 和LLE 降维的基础上,结合多层感知回归（Multi-layer Perceptron regressor,MLPR）[6],建立基于LLE+MLP 模型和PCA+MLP 模型分别实现对玉米近红外光谱数据的植物油含量的预测。

1 实验部分

1.1 光谱数据集

文中采用玉米（corn）的近红外光谱数据集从Eigenvector Research 公司的网站下载,数据最初来自嘉吉公司,包括在近红外光谱仪上测量的80 个玉米样品,波长范围为1100-2498nm,间隔2nm（700 个通道）。还包括样品的植物油测量值,其中最大值3.832、最小值3.088、平均值3.498。本文在对玉米的近红外光谱数据进行分析的基础上,建立预测模型以实现对植物油含量的预测。……