在采集好毒死蜱和炔螨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蜱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 毒死蜱不同预处理方法模型内部交叉验证结果
图4-2 毒死蜱不同预处理方法模型内部交叉验证结果（续）
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叉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(www.xing528.com)
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
图4-3 炔螨特不同预处理方法模型内部交叉验证结果（续）
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。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
