基于近红外光谱技术的淡水鱼品种快速鉴别

摘要：

为探索淡水鱼品种的快速鉴别方法，该文应用近红外光谱分析技术，结合化学计量学方法，对7种淡水鱼品种的判别分类进行了研究。采集了青、草、鲢、鳙、鲤、鲫、鲂等7种淡水鱼，共665个鱼肉样品的近红外光谱数据，经过多元散射校正（multiplicative scatter correction，MSC）、正交信号校正（orthogonal signal correction， OSC）、数据标准化（standardization，S）等20种方法预处理，在1000～1799 nm范围内分别采用偏最小二乘法（partial least square，PLS）、主成分分析（principal component analysis，PCA）和BP人工神经网络技术（back propagation artificial neural network，BP-ANN）、偏最小二乘法和BP人工神经网络技术对7种淡水鱼原始光谱数据进行了鉴别分析。结果表明，近红外光谱数据，结合主成分分析和 BP 人工神经网络技术建立的淡水鱼品种鉴别模型最优，模型的鉴别准确率达96.4%，对未知样本的鉴别准确率达95.5%。模型具有较好的鉴别能力，采用该方法能较为准确、快速地鉴别出淡水鱼的品种。

关键词：近红外光谱、主成分分析、鱼、偏最小二乘、人工神经网络、品种、鉴别

分类号：O657.33;S965.1(分析化学)

资助基金：国家现代农业产业技术体系专项基金CARS-46-23；国家科技支撑计划2013BAD19B10；中央高校基本科研业务费专项资金2013PY1085

在线出版日期：2013-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：253-261