首页|基于傅里叶红外光谱技术的大米产地溯源快速判别方法研究

基于傅里叶红外光谱技术的大米产地溯源快速判别方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
大米的品质受到基因遗传、气候、土壤等影响,不同产地的大米品质不同,为了鉴别大 米的产地,应用德国Bruker VERTEX 70傅里叶红外光谱仪采集4个不同产地大米的傅里叶红外光谱,分别经过矢量归一化、一阶导数+13点平滑、一阶导数+13点平滑+矢量归一化、一阶导数+13点平滑+减去一条直线预处理后,建立偏最小二乘判别模型(Partial Least-squares Discrimination Analysis,PLS-DA).结果 表明:经过一阶导数+13点平滑+矢量归一化+PES-DA处理后的模型识别率为92.29％,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为93.77％、91.24％、100％、75％.为了提高模型的识别率,对全光谱数据进行主成分分析(Principal Component Analysis,PCA)特征提取,建立不同成分特征的K近邻(K Nearest Neighbor,KNN)模型,结果表明:选取PCA前7成分特征作为KNN模型的输入,得到PCA-KNN模型识别率为94.27％,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为94.44％、94.12％、93.75％、93.33％.实验结果表明,利用傅里叶红外光谱技术对大米产地溯源具有一定的可行性.
Study on Fast Identification Method of Rice Origin Traceability Based on Fourier Transform Infrared Spectroscopy Technology

刘晓欢、刘翠玲、孙晓荣、杨雨菲、林珑

展开 >

北京工商大学人工智能学院,北京100048

大米溯源 傅里叶红外光谱 偏最小二乘判别法(PLS-DA) K近邻算法(KNN)

农业部农产品信息溯源重点实验室开放课题国家重点研发计划子课题

201712012018YFD0101004-03

2021

食品科技
北京市粮食科学研究所

食品科技

北大核心
影响因子：0.622
ISSN：1005-9989
年,卷(期)：2021.46(4)
  • 4
  • 8