文摘蛋白质含量是衡量稻米品质的关键因素之一。为探索利用光谱数据融合技术实现稻米蛋白质含量快速检测的潜力,试验提出了一种改进的二进制粒子群优化算法(Improved binary particle swarm optimization,IBPSO),该算法专门用于拉曼光谱与近红外光谱(R aman-NIR)融合数据的特征波长选择,能有效提升基于偏最小二乘法(Partial least squares,PLS)的回归校正模型的预测准确性。采用IBPSO构建的大米蛋白质含量检测模型,其预测决定系数(R_(p)^(2))达到了0.903,预测均方根误差(Root mean square error of prediction,RMSEP)为0.235%,预测平均相对误差(Mean relative error of prediction,MREP)则为2.768%,这些性能指标均优于采用其他4种经典算法进行特征波长选择后所建立的模型。结果表明:IBPSO通过粒子值为“1”二进制位的指导性寻优,能够实现高相关性建模波长变量的高效获取;IBPSO与光谱数据融合技术相结合能够实现大米蛋白质含量的快速检测,为相关在线检测装备的研发提供了理论支持。
