基于中红外光谱分析技术的香菇产地识别研究

摘要：

采用中红外光谱分析技术对香菇产地进行识别研究，并将相关向量机（relevance vector machine ， RVM ）算法应用于中红外光谱判别分析之中，取得了较好的效果。通过采集香菇粉末的中红外透射光谱，去除光谱噪声明显部分，对剩下的3581～689 cm-1透射谱线采用多元散射校正（multiplicative scatter correc-tion ，MSC）进行预处理，并基于预处理谱线建立了香菇产地识别的偏最小二乘判别分析（partial least squares-discriminant analysis ，PLS-DA）、簇类独立软模式分类（soft independent modeling of class analogy ， SIMCA）、K 最邻近算法（K-nearest neighbor algorithm ， KNN ）、支持向量机（support vector machine ， SVM ）、RVM模型等五种判别分析模型。所有模型的识别正确率均高于80％，KNN ，SVM 和RVM 判别分析模型取得了相近的结果，建模集和预测集识别正确率高于90％。基于全谱的PLS-DA模型的加权回归系数，利用加权回归系数法选取了6个特征波数，并基于特征波数建立了PLS-DA ，KNN ，SVM 和RVM 模型。基于特征波数的PLS-DA模型的建模集和预测集识别正确率均低于80％，而KNN ，SVM和RVM模型的建模集和预测集的识别效果相近，且都高于90％。基于全谱和特征波数的模型中，RV M 算法表现出较好的效果，识别正确率优于90％。结果表明，基于中红外光谱技术能用于香菇产地的识别，特征波数的选择以及RVM算法可以有效的用于中红外光谱判别分析中。本文成功将中红外光谱用于香菇产地识别研究，为香菇品质以及其他农产品品质分析提供了一种新的想法，具有实际意义。

关键词：中红外光谱、香菇产地、相关向量机

分类号：O433.4;S464.9(光学)

资助基金：国家高技术研究发展计划863计划项目2011AA100705

在线出版日期：2014-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：664-667