大豆秸稈木質(zhì)素和纖維素含量與近紅外光譜相關(guān)性模型研究.pdf

1、我國每年種植產(chǎn)出大量的農(nóng)作物秸稈，然而其利用率很低[1]，這也造成了極大的資源浪費以及垃圾環(huán)境的產(chǎn)生[2]。因此，將采擷后剩余秸稈殘渣高效利用起來將具有深遠的意義。實現(xiàn)作物秸稈成分含量的準確檢測是提高秸稈利用率的重要前提。目前，在秸稈木質(zhì)素與纖維素檢測中，仍以傳統(tǒng)化學(xué)分析方法為主，該法檢測速度較緩，人力成本高且對樣本有不可逆轉(zhuǎn)性的損壞[3]。相比之下，近紅外光譜法具有檢測速度快，保證原樣品的無損性等優(yōu)點。由于近紅外光譜分析受多種因素的影

2、響，因此在不圓領(lǐng)域、不同品種進行分析和應(yīng)用時，應(yīng)選擇不同的預(yù)處理方法，從光譜圖中提取與化學(xué)組成相關(guān)的信息，消除背景噪音及特定物理因素的干擾以建立穩(wěn)定、可靠的模型并提高模型精度。因此，本文以大豆秸稈為研究對象，開展了近紅外光譜技術(shù)定量分析的研究，在實現(xiàn)大豆秸稈主要成分纖維素和木質(zhì)素含量的快速檢測的同時，對光譜數(shù)據(jù)不同的預(yù)處理方法進行建模和分析，并進行了充分論證。
　　首先，對大豆秸稈木質(zhì)素和纖維素進行樣品正態(tài)分析和多重相關(guān)性分析。以

3、此來選取合理且具有代表性的樣本，用來進行后續(xù)建模和分析。
　　其次，對大豆秸稈木質(zhì)素和纖維素的樣本進行不同的預(yù)處理，包括剔除異常樣本，劃分樣品集以及原始光譜的去噪處理。兩種成分均采用K-S算法對樣品集進行劃分為兩部分。在剔除異常樣本過程中，使用馬氏距離、3D視圖分析法和霍特林T2對大豆秸稈纖維素和木質(zhì)素進行異常樣本的判定和剔除。剔除后的模型精度較原始模型有了一定提升。
　　再次，重點對大豆秸稈木質(zhì)素和纖維素的樣本進行了不同去

4、噪處理的研究，采用常規(guī)的導(dǎo)數(shù)、矢量歸一化、平滑去噪的同時，對位移校正、多元散射校正MSC和標(biāo)準正太變換SNV以及正交信號校正算法進行研究。單一去噪方法以及多種方式結(jié)合使用后，對結(jié)果進行充分分析。提出了使用位移校正結(jié)合多元散射校正共同作用的方法后，大豆秸稈木質(zhì)素模型的去噪效果最佳，此時驗證集決定系數(shù)達到0.7620502;當(dāng)使用二階導(dǎo)數(shù)結(jié)合平滑處理后的大豆秸稈纖維素去噪效果達到最佳，此時驗證集決定系數(shù)達到0.7703286。探明了不同去噪

5、方法對模型精度的影響，為后續(xù)加強模型的穩(wěn)健性以及精準度提供了重要支撐，同時也為擴展模型的傳遞性奠定了基礎(chǔ)。
　　最后，建立了大豆秸稈木質(zhì)素和纖維素含量的偏最小二乘PLS檢測模型和支持向量機SVR檢測模型，并對實驗結(jié)果進行充分的對比分析與論證后，表明使用PLS和SVR對待測樣本木質(zhì)素和纖維素含量進行檢測是可行的。建立木質(zhì)素的檢測模型時，PLS和SVR兩種方法的檢測精度相近，但PLS檢測模型預(yù)測精度更高。建立纖維素檢測模型時，結(jié)合PL