基于近红外光谱与KPCA-SVM鉴别淡水鱼肉

摘要：

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型.试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响.结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68％.因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别.

关键词：近红外光谱、特征提取方法、淡水鱼肉、水产品品质、支持向量机、鉴别、正确判别率

所属期刊栏目：38

分类号：S965.1:O657.33(水产养殖技术)

资助基金：现代农业产业技术体系专项CARS-45-27;湖北省技术创新专项重大项目2016ABA115

在线出版日期：2019-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104