基于近红外光谱的淡水鱼新鲜度在线检测方法研究

摘要：

新鲜度是反映鱼类品质以及可否食用的重要指标，在线检测直接关系到食品质量与安全的实施应用，因此对淡水鱼新鲜度进行在线无损检测具有重要意义。应用近红外光谱对淡水鱼新鲜度进行在线检测，试验装置采用自行搭建的淡水鱼近红外光谱在线采集装置，试验时样品在输送链上以0.5m·s-1的速度运动，采集其近红外漫反射光谱（900～2500 nm），并用支持向量机（support vector machine ，SVM ）建立淡水鱼新鲜度在线检测模型。采用光谱理化值共生距离（sample set partitioning based on joint X-Y distance algo-rithm ，SPXY）算法对样本集进行划分，其中校正集111条（新鲜57条，变质54条）、测试集37条（新鲜19条，变质18条），通过对比不同的光谱预处理方法对预测结果的影响，明确了一阶导结合标准化预处理为最优光谱预处理方法，经过该方法预处理后所建模型对校正集的正确识别率为97.96％，对测试集的识别率为95.92％。为了提高模型运行速度对建模所用光谱变量进行优化，分别采用遗传算法（genetic algorithm ， GA）、连续投影算法（successive projection algorithm ，SPA）和竞争性自适应重加权算法（competitive adaptive reweighed sampling algorithm ，CARS）三种不同的特征变量选择方法对特征波长进行筛选，通过建模比较分析确定C A RS为最优波长选择方法，以所选的10个特征波长建立淡水鱼新鲜度支持向量机检测模型，模型对校正集的正确识别率为100％，对测试集的识别率为93.88％。该研究可为近红外光谱用于淡水鱼新鲜度在线检测提供技术支持。

关键词：近红外光谱、变量选择、在线、新鲜度、淡水鱼

分类号：O657.3(分析化学)

资助基金：国家现代农业产业技术体系专项基金项目CARS-46-23;国家科技支撑计划项目2013BAD19B10

在线出版日期：2014-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2732-2736