论文部分内容阅读
植物分类学是一门古老的学科，应用现代光谱技术进行植物分类研究具有一定理论和实际意义。本文用傅里叶变换红外光谱（FTIR）结合统计分析对辣椒进行分类研究。辣椒的红外光谱谱主要由蛋白质、碳水化合物、脂类等吸收带组成。傅里叶变换红外光谱结合系统聚类分析（HCA）和主成分分析（PCA）对辣椒进行分类，各种辣椒红外光谱差异不大；用1800-700cm-1范围二阶导数光谱结合聚类分析和主成分分析。聚类分析其正确率为100%；主成份分析前3个主成分的累计贡献率达到94.47%，其正确率达98%，能把五个品种的辣椒分开。利用小波变换结合反向传播网络(BPNN)和支持向量机(SVM)研究了朝天椒(簇生椒)和灯笼椒的傅里叶变换红外(FTIR)光谱，共测试了60个辣椒样品的红外光谱，在1750-950cm-1范围的红外光谱经多尺度一维连续小波变换(CWT)和离散小波变换分析，发现第20尺度的连续小波系数，差别明显。提取该尺度三个区域的系数作为特征参数建立BPNN和SVM模型，结果表明BPNN和SVM模型都能很好的区别两种辣椒。第5尺度的离散小波细节系数建立BPNN和SVM模型分类的正确率分别为93.3%、100%。结果表明小波变换结合BPNN和SVM用于傅里叶变换红外光谱技术中能够准确地识别朝天椒和灯笼椒。利用红外光谱结合主成分（PCA）和偏最小二乘法判别分析（PLS-DA）研究了朝天椒和涮涮辣的傅里叶变换红外（FTIR）光谱。测试了60个样品，对光谱范围1800-950cm-1作二阶导数光谱处理，发现在该区间存在着明显的差异，利用该区间二阶导数光谱数据进行主成分分析和偏最小二乘法，结果表明PCA和PLS-DA都能很好的区别两种辣椒，其中主成分的正确率为100%，偏最小二乘法在隐含潜变量为12个时其正确率最好，朝天椒的正确率为86.7%，涮涮辣的正确率为93.3%。结果表明小波变换结合PCA和PLS-DA用于傅里叶变换红外光谱技术中能够准确地识别朝天椒和涮涮辣。研究结果表明，傅里叶变换红外光谱结合统计分析，可用于辣椒分类研究。