基于可见-近红外光谱及随机森林的鸡蛋产地溯源

摘要：

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500～900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct Orthogonal Signal Correction,DOSC)算法对光谱数据进行预处理,采用t分布式随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、主成分分析(PCA)方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机(extreme learning machine,ELM)和随机森林(random forest,RF),建立鸡蛋产地溯源模型.比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100％和98.33％.研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持.

关键词：可见-近红外光谱、鸡蛋、产地溯源、t分布式随机邻域嵌入、随机森林

所属期刊栏目：38

分类号：TS207.3(食品工业)

资助基金：国家自然科学基金31371771;湖北省科技支撑计划项目2015BBA172;国家科技支撑计划项目2015BAD19B05;公益性行业农业科研专项201303084

在线出版日期：2018-04-02（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：243-247