食品工业科技

作者：刘子健, 顾佳盛, 周聪, 王游游, 杨健, 黄俊, 王宏鹏, 白瑞斌

关键词：高光谱成像技术,山楂,产地识别,无损检测,机器学习,

产地是影响山楂品质的重要因素之一，为实现对山楂产地的快速无损鉴别，本文基于高光谱成像技术对不同产地的山楂样品进行产地溯源。以五个不同省级产区的山楂样品作为样本，利用近红外高光谱成像系统，获得每个样品果梗朝上（G）、侧面朝上（C）和底面朝上（D）的可见-短波红外（410~2500 nm）波段高光谱数据。采用多元散射校正（multivariate scattering correction，MSC）、一阶导数（first derivative，D1）、SG平滑（Savitzky-Golay，SG）和标准正态变换（standard normal variate transformation，SNV）四种预处理方法，分别建立了偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）、支持向量机（support vector machine，SVM）和随机森林（random forests，RF）三种分类模型。结果表明，D-D1-SVM模型分类效果最优，训练集和预测集的准确率均为100%。为进一步简化模型，分别采用连续投影算法（successive projections algorithm，SPA）和竞争性自适应重加权算法（competitive adaptive reweighted sampling algorithm，CARS）进行特征波长筛选。通过多变量数据分析发现，D-SPA-SVM模型效果最佳，训练集和预测集准确率分别为95.2%和93%。本研究为山楂产地的快速、无损识别提供技术支持。

来源：2024年第10期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2024年第10期