近红外光谱和模式识别技术在西湖龙井与浙江龙井茶叶鉴别中的应用

摘要：

为了鉴别西湖龙井和浙江龙井茶叶,采用近红外光谱分析技术结合化学计量学方法建立了识别模型.先对原始光谱进行标准正态变换(Standard Normal Variant,SNV)预处理,然后分别采用最小二乘判别分析(Partial Least Square.Regression-discriminant Analysis,PLS-DA)、最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)和径向基人工神经网络(Radial Basis Function Neural Network,RBFNN)三种模型对西湖龙井和浙江龙井茶叶进行预测.最小二乘支持向量机参数通过网格搜索和完全交叉验证得到优化.经优化后,惩罚系数(γ)和核函数参数(δ2)分别为229.1和124.9；RBFNN最佳隐藏层神经元个数为27个.通过比较可知,LSSVM的预测性能最好,其校正集均方根误差(RMSECV)和相关系数(R2)分别为0和1,验证集均方根误差(RMSEP)和相关系数(R2)也分别为0和1,分辨正确率为100％.

关键词：浙江龙井茶叶、西湖龙井茶叶、近红外光谱、偏最小二乘回归判别分析、最小二乘支持向量机、径向基神经网络

所属期刊栏目：33

分类号：TS201.2(食品工业)

资助基金：浙江省重点科技创新团队——农产品安全标准与检测技术创新团队项目2010R50028;"十一五"国家科技支撑计划项目:食品安全关键技术—粮油、蔬果等安全控制技术的研究Y3100246

在线出版日期：2012-05-14（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：44-48