10.3964/j.issn.1000-0593(2021)04-1188-06
基于优选NIR光谱波数的绿豆产地无损检测方法
产地是影响农作物生产的重要环境因素,产地溯源对于食品安全具有重要意义.针对传统农产品产地检测一般采用化学分析法,其操作繁琐且存在破坏性和耗时较长等不足的问题,以北方寒地绿豆为研究对象,分别在白城、杜蒙、泰来等优质绿豆主产区,获取绿豆的籽粒和粉末两种状态的近红外光谱数据(NIR),利用优选NIR光谱特征波数,建立了绿豆产地无损检测的新方法.首先在吸光度值较强的10105.37~4078.655 cm-1波数范围内,采用多元散射校正法(M SC),对不同产地的绿豆原始光谱数据进行预处理,以消除光谱干扰信息.应用竞争性自适应重加权采样算法(CARS),优选不同产地绿豆籽粒和粉末状态的光谱特征波数,以减少光谱曲线的特征向量维度.最后利用前馈神经网络(B P)自适应推理机制,建立了绿豆产地与其光谱特征波数之间非线性映射模型,并将网络输出的编码向量解析至产地名称,作为绿豆产地检测的输出结果.研究结果表明:(1)原始光谱经过多元散射校正预处理后,绿豆粉末光谱曲线的误差从12.87降到3.20,绿豆籽粒光谱曲线的误差从153.04降到27.73,提供有效可靠的光谱数据.(2)通过竞争性自适应重加权采样算法,提取绿豆光谱曲线的重要特征波数,从籽粒和粉末状态原始2114个波数中,分别优化为61个和107个特征波数,波段总数目减少了94.94% 以上,并将其作为绿豆产地识别的特征指标.(3)创新性提出了MSC-CARS-BP绿豆产地检测模型,以优选出的光谱特征波数为定量依据,分别对绿豆籽粒和粉末进行产地检测,预测集准确率为92.59% 和98.63%,相关系数均达到0.99以上.该方法能够利用近红外光谱处理技术,实现绿豆产地无损检测的目标,为农产品产地自动快速溯源提供了技术支持和参考.
绿豆产地、光谱技术、提取特征、无损检测、溯源模型
41
S24(农业电气化与自动化)
国家自然科学基金项目;黑龙江八一农垦大学三横三纵支持计划项目;黑龙江八一农垦大学学成、引进人才科研启动计划项目
2021-04-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
1188-1193