宽度学习的虾新鲜度检测方法

摘要：

为了提升虾新鲜度判别的准确性,提出了一种基于宽度学习(BLS)的虾新鲜度检测方法.首先采用多元散射校正(MSC)、标准正态变量校正(SNV)和直接正交信号校正(DOSC)对不同冷藏天数虾的原始高光谱进行预处理,再使用t分布随机邻域嵌入(t-SNE)将预处理之后的数据可视化,可视化结果表明DOSC聚类效果最佳.然后使用随机森林(RF)、主成分分析(PCA)和二维相关光谱分析(2D-COS)对经DOSC预处理之后的光谱数据进行特征选择.最后基于选择的特征波长对虾新鲜度进行建模分析.将宽度学习(BLS)首次用于虾新鲜度建模,同时与偏最小二乘判别(PLS-DA)和极限学习机(ELM)等经典判别模型做比较.研究结果表明RF方法最大限度地消除了光谱中的冗余信息,而BLS与线性建模方法PLS-DA以及非线性建模方法ELM相比,准确率更高并且判别时间更短,因此RF-BLS组合模型获得了最佳新鲜度判别效果,表明高光谱成像技术结合宽度学习识别虾的新鲜度是可行的,可以为在线检测虾新鲜度系统的开发提供理论依据.

关键词：虾新鲜度;直接正交信号校正;随机森林;宽度学习;高光谱成像技术

所属期刊栏目：42

分类号：O657.3(分析化学)

资助基金：国家重点研发计划2017YFE0122100

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：164-169