基于BPAdaboost的近红外光谱检测固态发酵过程pH值
江苏大学 电气信息工程学院, 江苏 镇江 212013
Detection of pH variable in solidstate fermentation process by FTNIR spectroscopy and BPAdaboost
School of Electrical and Information Engineering, Jiangsu University, Zhenjiang, Jiangsu 212013, China
摘要 为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法．首先获取140个固态发酵过程产物样本在10 000～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(Adaptive Boosting)算法来构建由10个弱预测器(BP神经网络)组成的BPAdaboost强预测模型．试验结果显示：该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0072 6和0981 1;与BP模型结果相比,该模型具有较好的预测精度．
关键词 ：
固态发酵 ,
pH值 ,
近红外光谱 ,
Adaboost算法 ,
BP神经网络
Abstract ：In order to achieve rapid detection of pH value in solidstate fermentation process, a new method was proposed based on nearinfrared spectroscopy. The nearinfrared spectroscopy of 140 solidstate fermented product samples were obtained within the wavelength range of 10 000 to 4 000 cm-1, and the reference measurement of pH were achieved by pH meter. Combined with backpropagation (BP) neural network, the adaptive boosting algorithm (Adaboost) was employed to establish BPAdaboost model with 10 weak predictors. The experimental results show that the proposed model has good prediction accuracy and correlation with root mean square error RMSEP of 0.072 6 and correlation coefficient R of 0.981 1, respectively.
Key words ：
solidstate fermentation
pH
fourier transform nearinfrared spectroscopy
adaptive boosting algorithm
BP neural network
收稿日期: 2012-06-27
基金资助: 国家中小型企业创新基金资助项目(12C26213202207); 镇江市农业科技支撑计划项目(NY2010017)
作者简介 : 刘国海（1964—），男，江苏高邮人，教授（ghliu@ujs.edu.cn），主要从事软测量技术研究.
肖夏宏（1988—），男，湖南衡阳人，硕士研究生（x87646694@163.com），主要从事软测量技术研究.
引用本文:
刘国海, 肖夏宏, 江辉, 梅从立, 丁煜函. 基于BPAdaboost的近红外光谱检测固态发酵过程pH值[J]. 江苏大学学报（自然科学版）, 2013, 34(5): 574-578.
LIU Guo-Hai, XIAO Xia-Hong, JIANG Hui, MEI Cong-Li, DING Yu-Han. Detection of pH variable in solidstate fermentation process by FTNIR spectroscopy and BPAdaboost[J]. Journal of Jiangsu University(Natural Science Eidtion)
, 2013, 34(5): 574-578.
链接本文:
http://zzs.ujs.edu.cn/xbzkb/CN/10.3969/j.issn.1671-7775.2013.05.014 或 http://zzs.ujs.edu.cn/xbzkb/CN/Y2013/V34/I5/574
[1]
刘鑫，冒智康，张小鸣，李绍稳，金秀. 基于改进遗传算法的区间光谱特征波长变量选择方法
[2]
左付山, 李政原, 吕晓, 张营. 基于BP神经网络的汽油机尾气排放预测
[3]
裴宏杰, 陈钰荧, 李公安, 刘成石, 王贵成. 基于Copula EDA优化BP神经网络的表面粗糙度预测
[4]
朱浩, 张文博, 邓元望, 李梦, 吉祥. 基于SA+BP混合算法的动力电池放电峰值功率估算
[5]
李春兰, 叶豪, 王成斌, 王海杨. 基于猪触电试验的人体触电规律研究
[6]
庄星, 韩飞. 基于混合群智能算法优化BP神经网络的粮食产量预测
[7]
左言言, 张海峰, 庄婷. 车内声品质主客观评价模型对比分析
[8]
卢伟, 李欢欢, 洪德林, 党晓景, 罗慧. 基于稻种糙米近红外光谱分析技术的发芽率检测方法
[9]
葛如海, 胡满江, 张学荣, 苏清祖. 基于GA-BP的安全带佩戴识别方法
[10]
黄晓玮, 邹小波, 赵杰文, 石吉勇, 张小磊. 近红外光谱结合蚁群算法检测花茶花青素含量
[11]
刘传宝, 颜伏伍. 柴油机SCR后处理控制器的研发
[12]
吴瑞梅, 赵杰文， 陈全胜, 黄星奕. 化学仪器与电子舌表征绿茶滋味感官品质的比较
[13]
马世榜1,2, 彭彦昆1, 徐杨1, 汤修映1, 田潇瑜1. 可见／近红外光谱结合变量选择方法检测牛肉挥发性盐基氮
[14]
郝勇1, 孙旭东1, 王豪2. 基于改进连续投影算法的光谱定量模型优化
[15]
张俊雄, 吴科斌, 宋鹏, 李伟, 陈绍江. 基于BP神经网络的玉米单倍体种子图像分割
2013, Vol. 34 
