10.3964/j.issn.1000-0593(2014)03-0664-04
基于中红外光谱分析技术的香菇产地识别研究
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。
中红外光谱、香菇产地、相关向量机
O433.4;S464.9(光学)
国家高技术研究发展计划863计划项目2011AA100705
2014-03-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
664-667