基于近红外光谱技术与BP-ANN算法的豆粕品质快速检测V1.8

       应用近红外漫反射光谱技术结合误差反向传递人工神经网络（BP-ANN）算法，建立豆粕品质（包括水分、粗蛋白、残油）的定量分析模型。将豆粕漫反射吸收光谱数据进行SNV、DT、SG求导、SG平滑和均值中心化处理，然后采用偏最小二乘方法（PLS）降维获取主成分，并优化选择合适的隐含层节点数、隐含层和输出层转化函数，建立校正模型，并用验证样品对校正模型进行验证。结果显示，BP-ANN法建立的水分、粗蛋白和残油的预测相关系数(R)分别为0.981、0.988、0.982，预测标准偏差(SEP)分别为0.120、0.216、0.036，均优于PLS建模方法结果，且满足传统分析方法的重复性要求，表明BP-ANN方法可用于生产过程豆粕品质的快速监控。