来源：期刊VIP网 时间：
作者：付博;杨永锋;刘向真;牛洋洋;刘茂林;赵森森;于建军;彭桂新;姬小明;
单位：河南农业大学烟草学院;河南中烟工业有限责任公司技术中心;
摘要：【目的】明确模型构建适宜的数据集划分方式、比例和数据预处理方法，为建立准确、稳定的烟叶化学成分分析模型奠定基础。【方法】以210份烟叶样本为研究对象，测量烟叶样品的总糖、还原糖、总氮、烟碱、钾和氯等常规化学成分含量，并采集烟叶样本的光谱数据，研究随机划分法（RS）、等间隔划分法（LS）、基于联合x-y距离的样本集划分法（SPXY）和Kennard-Stone划分法（KS），以及光谱数据预处理和组合方式对烟叶常规化学成分偏最小二乘（PLS）定量模型预测精度的影响。【结果】数据集通过SPXY方式划分的校正集和预测集分布更均匀，预测集比例为24%时，构建的模型预测能力更强。烟叶总糖和氯离子定量模型最佳预处理组合为多元散射校正（MSC）+移动平均平滑（MA）+小波变换（WAVE），构建的定量模型预测集相关系数（r_p）分别为0.984 0和0.986 0；还原糖和烟碱定量模型最佳预处理组合为极差归一化（MAXMIN）+MSC+WAVE,r_p分别为0.990 0和0.985 2；钾离子预处理组合为MSC+WAVE(r_p=0.969 4)，总氮则以原始光谱数据构建的模型预测能力最强（r_p=0.970 9）。【结论】烟叶常规化学成分近红外定量模型经过数据集划分和预处理优化后，提高了模型准确率。
关键词：烟叶;;近红外光谱;;数据集划分;;数据预处理;;定量模型
基金资助：河南省科技攻关项目（232102110168）;; 河南中烟工业有限责任公司科技项目（C202023）
