基于高光谱图像技术的油炸薯片中羧甲基赖氨酸含量检测

摘要：

为探究羧甲基赖氨酸[Nε-(1-carboxymethyl)-L-lysine,CML]含量的快速无损检测方法,该文采用高光谱图像技术对8种自制油炸薯片进行检测研究,提取每个高光谱图像的平均光谱值作为特征参量,同时结合液相色谱-质谱法测定CML含量,探寻预测其含量最适宜的光谱预处理和建模方法.首先将高光谱图像进行黑白校正,再选用标准正态变量变换光谱预处理方法,以消除固体颗粒、散射以及光程变化对光谱的影响.然后筛选出第200个到1000个波段图像的平均光谱反射值,建立主成分回归、偏最小二乘回归和BP神经网络3种预测模型.对比结果表明:BP神经网络可以预测油炸薯片中CML含量,预测正确率为99.67％,决定系数为0.99,均方根误差为0.22.同时,为验证模型的稳健性,随机选取5组训练集和预测集代入相同参数的模型进行预测.结果显示:预测正确率平均值为96.23％,决定系数平均值为0.99,均方根误差平均值为0.22.这说明高光谱图像技术结合BP神经网络快速预测油炸薯片中CML含量具有可行性.

关键词：高光谱图像、主成分分析、偏最小二乘、BP神经网络、油炸薯片、羧甲基赖氨酸(CML)

所属期刊栏目：43

分类号：S513;TS252.7;TP183

资助基金：河南省科技攻关项目172102110222

在线出版日期：2022-05-13（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：152-159