首页|基于高光谱成像技术的青花椒产地识别研究

基于高光谱成像技术的青花椒产地识别研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 基于高光谱成像技术结合机器学习建立一种青花椒产地的快速识别方法,实现四川、贵州、云南、重庆等 10 个青花椒主要产地样品的快速无损鉴别.方法 本研究利用全平皿法、五点平均法和中心点法3种不同的兴趣区域(region of interest,ROI)提取方式,获得平行光谱数据,分别采用5种预处理方法消除数据噪声提升模型性能,并比较了偏最小二乘判别分析(partial least square-discriminant analysis,PLS-DA)、随机森林(random forests,RF)和支持向量机(support vector machine,SVM)3 种模型的产地识别效果.结果 采用全平皿法提取兴趣区域,通过二阶导(second derivative,D2)预处理后建立的RF模型分类效果最佳,训练集和测试集的准确率均可达到 100%.进一步采用连续投影算法(successive projections algorithm,SPA)选择 27 个特征波长建模,结果表明多元散射校正(multiplicative scatter correction,MSC)-RF模型判别效果最优,训练集准确率为 98.8%,测试集准确率达到 98.3%.结论 本研究建立的方法可实现不同青花椒主要产地样品的快速无损鉴别,为高光谱成像技术在食品和药品领域的推广应用及专属小型化仪器装备系统的开发提供了理论依据.
Research on origin identification of Zanthoxylum schinifolium based on hyperspectral imaging technology

hyperspectral imaging technologyZanthoxylum schinifoliumorigin identificationmachine learningregion of interest

顾佳盛、刘子健、周聪、王游游、杨健、黄俊、王宏鹏、白瑞斌

展开 >

浙江科技学院生物与化学工程学院,杭州 310023

中国中医科学院中药资源中心,道地药材品质保障与资源持续利用全国重点实验室,北京 100700

江西省道地药材质量评价研究中心,南昌 330000

高光谱成像技术 青花椒 产地识别 机器学习 兴趣区域

浙江科技学院科研业务费专项浙江科技学院科研业务费专项中药全产业链质量技术服务平台项目名贵中药资源可持续利用能力建设项目浙江省"领雁"攻关计划

2023QN0242023JLZD0102022-230-22120603022022C02023

2023

食品安全质量检测学报
北京市电子产品质量检测中心 北京方略信息科技有限公司

食品安全质量检测学报

CSTPCD
影响因子：0.73
ISSN：2095-0381
年,卷(期)：2023.14(21)
  • 12