食品工业科技

作者：刘鑫, 陈萌, 赵志磊, 高巍, 赵昕

关键词：酸枣仁,近红外光谱,地理来源,卷积神经网络,偏最小二乘回归,

为实现快速鉴别酸枣仁的产地并定量分析掺杂，利用近红外光谱技术（Near-infrared spectroscopy，NIRS）采集了河北、河南、山东、山西和陕西五个产地的样品原始光谱，并测量了各地样品的水分、脂肪和蛋白质含量。采用五种预处理方法去除噪音，并利用偏最小二乘（Partial least squares，PLS）和包含自定义选择层的一维卷积神经网络（One-dimensional convolutional neural network，1DCNN）算法建立定性和定量模型。此外，使用竞争性自适应加权采样（Competitive adaptive reweighted sampling，CARS）和连续投影算法（Successive projection algorithm，SPA）选择特征波长来优化模型。结果表明，河北产地与山东之间差异不明显，与其他产地之间存在明显差异。经过SG一阶导数（Savitzky-Golay derivative 1st，SGD1）预处理后的1DCNN在分类模型中表现最佳，预测集的准确率为91.11%。对于不同掺杂水平的邢酸枣仁样品，经过SG导数预处理后的1DCNN模型优于偏最小二乘回归（Partial least squares regression，PLSR）模型，验证集和预测集的决定系数（ R_\mathrmp^2 ）超过0.86，剩余预测偏差（Ratio of performance to deviation，RPD）超过2.50。总体而言，结合近红外光谱与1DCNN的方法能实现对不同地理来源酸枣仁的高精度分类与掺杂定量测定。

来源：2025年第20期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2025年第20期