在采集好毒死蟀和炔蟠特样本溶液的近红外光谱数据后，分别使用10种常用的预处理方法：一阶导数(17点平滑)、消除常数偏移量、矢量归一化(SNV)、最小-最大归一化、多元散射校正、减去一条趋势线、一阶导数(17点平滑)+MSC、一阶导数(17点平滑)+减去一条趋势线、一阶导数(17点平滑)+SNV、二阶导数进行优化处理，使用PLS法建立模型后与未进行优化的原始光谱数据模型进行对比，选取两种农药样本的最优预处理方法。

1．毒死蜱样本溶液不同预处理方法对模型的影响

分别使用10种预处理方法对毒死蟀溶液样本光谱数据进行优化，建立毒死蜱溶液的11个PLS数学模型，模型的内部交叉验证结果如图4-2所示，使用模型对预测集样本进行预测，模型的优化结果和各评价参数见表4-3。

图4-2子毒死蜱不同预处理方法模型内部交叉验证结果

表4-3毒死蜱溶液样本数据优化和建模结果

利用不同预处理方法对毒死蜱溶液样本近红外光谱数据进行优化处理，并使用PLS法对各优化处理后的数据建立数学模型，结果显示，一阶导数(17点平滑)、消除常数偏移量、SNV、最小-最大归一化、多元散射校正的内部交叉验证相关系数和预测相关系数均达到0.99以上，其中，综合考虑各模型的内部交又验证结果和对预测集的预测结果，SNV预处理方法为毒死蜱溶液样本数据的最佳优化方法。

2．炔螨特样本溶液不同预处理方法对模型的影响

剔除14号异常样本后，分别使用10种预处理方法对炔螨特溶液样本光谱数据进行优化，建立炔螨特溶液的11个偏最小二乘数学模型，模型的内部交叉验证结果如图4-3所示，使用模型对预测集样本进行预测，模型的优化结果和各评价参数见表4-4。

图4-3炔螨特不同预处理方法模型内部交叉验证结果

表4-4炔螨特溶液样本数据优化和建模结果

利用不同预处理方法对炔螨特溶液样本近红外光谱数据进行优化处理，并使用PLS法对各优化处理后的数据建立数学模型，结果显示，各种预处理方法的内部交叉验证相关系数和预测相关系数均达到0.99以上，其中，综合考虑各模型的内部交叉验证结果和对预测集的预测结果，减去一条趋势线预处理方法为炔螨特溶液样本数据的最佳优化方法。

本次实验结果表明：近红外光谱技术结合相关预处理方法和PLS建模方法可用于初步检测在本实验条件下配制的农药溶液中的农药含量。

文章来源：《多光谱食品品质检测技术与信息处理研究》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。