中红外光谱和支持向量机的梅花鹿角帽粉假冒与掺假识别模型

摘要：

梅花鹿角帽具有较高的药用和经济价值,因其质地坚硬,故一般选择打成粉末使用.消费者很难从外观上去判别梅花鹿角帽粉是否为正品,导致其假冒与掺假事件层出不穷.因此,提出利用中红外光谱(FTIR)结合机器学习探索一种识别梅花鹿角帽粉假冒与掺假的方法,以解决用马鹿角帽粉、梅花鹿骨粉假冒梅花鹿角帽粉和牛骨粉掺假梅花鹿角帽粉的问题.从黑龙江、吉林、辽宁3省共5个地区采集梅花鹿角帽、马鹿角帽、梅花鹿骨各120份,共360份样品;牛骨采购于长春市南关区农贸市场,使用牛骨粉掺假梅花鹿角帽粉,掺假比例分别为5％,10％,20％,30％,40％,50％,每种比例各20份,共120份.采集样品中红外光谱数据,多元散射校正(MSC)对光谱进行预处理,经K-S法抽样,按3:1的比例划分训练集和测试集后,对光谱数据进行归一化(normalization)和主成分(PCA)分析降维处理.根据主成分个数累积贡献率≥85％,主成分特征值≥1原则,选择前7个主成分构成降维后的光谱数据;分别将全光谱(FS)数据与PCA降维后的光谱数据作为模型输入,建立支持向量机(SVM)、随机森林(RF)、极限学习机(ELM)识别模型.结果表明,梅花鹿角帽粉正品与假冒伪品、掺假次品的波谱在波段1300～1800和2800～3600 cm-1处存在差异,尤其是掺假比例≥10％ 以上的梅花鹿角帽粉与纯梅花鹿角帽粉差异明显.在识别梅花鹿角帽粉假冒与掺假模型中,FS-SVM,PCA-SVM,FS-RF模型均有很好的识别效果,其训练集与测试集识别率均为100％,其他模型识别率均低于98％.从简化模型的角度上比较,FS-SVM,FS-RF建模时间分别为4859.36和1818.96 s,而PCA-SVM建模时间仅为19.91 s.因此,PCA-SVM在6种识别模型中整体效果最佳.研究表明,中红外光谱结合支持向量机建模可以作为一种快速、准确、无损鉴别梅花鹿角帽粉假冒与掺假的有效识别方法.

关键词：梅花鹿角帽、中红外光谱、主成分分析、支持向量机、随机森林、极限学习机

所属期刊栏目：42

分类号：O433.4(光学)

资助基金：中国博士后科学基金面上项目;吉林省教育厅十三五科学技术项目;广东省重点领域研发计划项目;吉林省科技发展计划项目

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2359-2365,2402