首页|小麦霉菌污染支持向量机判别模型的建立

小麦霉菌污染支持向量机判别模型的建立

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类(support vector machine classification,SVM)方法建立判别模型.结果表明:运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80％.输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100％,交叉验证判别正确率为98.89％.用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明:SVM判别模型对外部验证集样品的判别正确率为100％.该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测.
Rapid Identification of Mold Contamination in Wheat Using Support Vector Machine Classification

吕都、唐健波、赵绪婷、刘永翔、李俊、陈中爱、王梅、冯亚超

展开 >

贵州省农业科学院生物技术研究所,贵州贵阳550006

遵义师范学院生物与农业科技学院,贵州遵义563006

叶县食品检验检测中心,河南平顶山467200

近红外光谱 小麦 霉菌 判别 支持向量机

黔农科院青年基金[2019]10号黔科合支撑[2019]2828号

2021

10.12161/j.issn.1005-6521.2021.18.020

食品研究与开发
天津市食品研究所,天津市食品工业生产力促进中心

食品研究与开发

CSTPCD北大核心
影响因子：0.561
ISSN：1005-6521
年,卷(期)：2021.42(18)
  • 2
  • 4