摘要： 针对当前近红外光谱技术在青贮玉米品质分析方面大都建立在体积庞大的实验室设备基础上，且需要对样本进行一些前处理，该研究利用便携式近红外光谱仪直接分析青贮玉米原料的品质，旨在建立一个用于测定青贮玉米原料干物质值的快速定量检测模型。使用便携式近红外光谱仪采集青贮玉米原料样本855～1890 nm的平均光谱数据，使用马氏距离和残差分析的方法剔除样本中的异常值，剩下的样本使用SPXY算法按照6:4的比例划分为校正集和测试集。采用滑动均值滤波（MAF）、多项式平滑滤波（SGF）、多元散射校正（MSC）和标准正态变量变换（SNV）等四种预处理方法对原始数据进行处理，比较不同预处理方法下的支持向量机回归（SVR）模型预测效果。通过竞争性自适应重加权采样（CARS）、蒙特卡洛无信息变量消除（MC-UVE）、随机蛙跳（RF）算法进行特征波长选择，并建立SVR模型以确定最优特征波长选择方法。在建模过程中，使用算术优化（AOA）算法用于确定最优建模参数C和参数gamma，以建立最优预测模型。结果显示：在基于全部波长建立的模型中，SGF预处理综合效果最佳，后续以SGF预处理后的数据为基础进行特征波长选择。采用CARS、MC-UVE、RF进行特征波长提取，分别提取出14、27、11个特征波长。在基于特征波长建立的模型中，CARS-AOA-SVR表现最好，测试集Rp为0.828，RMSEP为0.843。综合分析，最优模型为SGF-CARS-AOA-SVR（Rp=0.828，RMSEP=0.843），可为便携式近红外光谱仪在青贮玉米干物质含量检测中的应用提供理论支持。
 [关键词] 近红外光谱|青贮玉米原料|干物质| 特征波长

关键词: 近红外光谱, 青贮玉米原料, 干物质, 特征波长

中图分类号: 

•  

• S816.17