第４３卷，第３期光谱学与光谱分析Ｖｏｌ．４３，Ｎｏ．３，ｐｐ８３０－８３７２０２３年３月ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＭａｒｃｈ，２０２３基于ＡＷ－ＯＰＳ高光谱波长选择方法的羊肉新鲜度检测赵停停１，３，王克俭１，３＊，司永胜１，３，淑英２，何振学１，３，王超１，３，张志胜２＊１．河北农业大学信息科学与技术学院，河北保定０７１０００２．河北农业大学食品科技学院，河北保定０７１０００３．河北省农业大数据重点实验室，河北保定０７１０００摘要高光谱数据中不仅含有关键性信息还存在一些干扰信息和无效信息，带有干扰信息和无效信息的数据建立模型会降低效率和模型精度。从全波段数据中提取特征波长是提高关系模型精度的有效方法。有序预测选择（ＯＰＳ）是一种依据信息向量选择有效波长变量的特征波长提取算法，在特征波长变量筛选方面表现了较好地性能。但由于建立模型时，没有去除重要性较低的变量，导致过多的无效变量参与到模型中，降低了模型的准确率。论文以羊肉高光谱数据作为研究对象，提出了一种改进的特征波长变量选择方法，基于信息向量和指数衰减函数的有序预测选择方法（ＡＷ－ＯＰＳ）对羊肉新鲜度进行检测，该算法通过光谱数据和理化值数据之间的关系来计算信息向量并对波长变量进行排序，采用指数衰减函数（ＥＤＦ）通过多次迭代去除一些信息向量绝对值比较低的波长变量，最后在已获取的有效波长变量中逐渐增加波长点建立多元回归模型，选取交叉均方根误差（ＲＭＳＥＣＶ）最小值的波长变量子集为特征波长变量。实验时，将ＯＰＳ法和ＡＷ－ＯＰＳ法在选取特征波长变量后，分别构建羊肉ＴＶＢ－Ｎ的偏最小二乘（ＰＬＳ）关系模型，同时与全光谱波段ＰＬＳ模型的效果相比较。结果表明：ＯＰＳ算法运行程序平均用时为１７５．９ｓ，优选出３７０个特征波长变量，ＯＰＳ－ＰＬＳ模型相关系数（ＲＰ）平均为０．９６３１，均方根误差（ＲＭＳＥＰ）平均为０．７２７；而改进的有序预测选择法（ＡＷ－ＯＰＳ）运行程序平均用时为５７．６ｓ，优选出２７５特征波长变量，ＡＷ－ＯＰＳ－ＰＬＳ模型平均提升到０．９７３１，ＲＭＳＥＰ平均降低为０．５７２８；全光谱波长数目为１４１４个波长变量，其ＰＬＳ模型的平均为０．９２０８，ＲＭＳＥＰ平均为１．０４８３。ＡＷ－ＯＰＳ－ＰＬＳ模型相较于ＯＰＳ－ＰＬＳ模型测试精度提高了２１．２％，相较于全光谱－ＰＬＳ模型，...
