基于最小二乘支持向量机的橄榄油掺杂拉曼快速鉴别方法

提出了一种基于最小二乘支持向量机(LS-SVM)的橄榄油掺杂拉曼快速鉴别方法。首先,收集若干己知类别的橄榄油样作为训练样本,获取其拉曼谱图,并对其谱图进行预处理和波段选择,进而构建LSSVM分类器;对于未知类别的油样,获取其拉曼谱图,并进行相应的预处理和波段选择,由LSSVM分类器获得鉴别结果。实验以7种已知的特级初榨橄榄油为基础,分别掺入4种其它植物油(大豆油、菜籽油、玉米油、葵花籽油),获得112个掺杂油样。将全部样本随机分成训练集和测试集,对测试集样本的预测实验结果表明,本文方法能有效鉴别橄榄油掺杂,且掺杂量最低检测限为5%。与其它分类方法相比,LSSVM分类法具有最佳的分类性能。该方法快速、简便,为橄榄油掺杂鉴别提供了一种全新的方法。     

基于拉曼光谱的食用植物油快速鉴别

提出了一种基于拉曼光谱的食用植物油快速鉴别方法。基于已知类别的食用植物油样本进行建模,首先对原始拉曼谱图进行基线校正和标准归一化等预处理,并选取食用油不饱和度特征的两处拉曼峰值作为特征向量,计算训练样本特征空间上各个植物油类别的中心坐标;然后,将食用植物油测试样本的拉曼谱图经过相同预处理和特征提取,获取测试样本的特征向量,计算其与各类别中心坐标的欧式距离,根据类中心最小距离法,取欧式距离最小的那一类作为预测样本的类别。针对7类43个食用植物油样本的实验结果表明,采用食用油不饱和度两点描述法进行特征提取,各类别样本聚集效果比PCA好,类间距更大。上述鉴别方法可以准确地实现食用植物油品种的快速分类。