|
|||||
|
|
| 薏仁种类的近红外光谱技术快速鉴别 | |
| 引用本文： | 刘星,毛丹卓,王正武,杨永健.薏仁种类的近红外光谱技术快速鉴别[J].光谱学与光谱分析,2014,34(5):1259-1263. |
| 作者姓名： | 刘星 毛丹卓 王正武 杨永健 |
| 作者单位： | 刘星:上海交通大学农业与生物学院食品科学与工程系, 上海200240 毛丹卓:上海市食品药品检验所, 上海201203 王正武:上海交通大学农业与生物学院食品科学与工程系, 上海200240 杨永健:上海市食品药品检验所, 上海201203 |
| 基金项目： | 国家自然科学基金项目(21276154, 31171642)和科技部农业科技成果转化资金项目(2011GB2C000008)资助 |
| 摘 要： | 薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、无损且环保的方法正适合这一需求。以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类进行鉴别。对原光谱用无监督学习算法主成分分析(principal component analysis,PCA)和有监督学习算法学习向量量化(learning vector quantization,LVQ)神经网络、支持向量机(support vector machine,SVM)进行定性判别分析。由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近,所选两类薏仁的特征变量很相似,因而PCA得分图重叠严重,很难区分;而LVQ神经网络和SVM都能得到满意结果,LVQ神经网络的预测正确率为90.91%,SVM在经过惩罚参数和核函数参数优选后,分类准确率能达到100%。结果表明:近红外光谱技术结合化学计量学方法可作为一种快速、无损、可靠的方法用于薏仁种类的鉴别,并为市场规范提供技术参考。 |
| 关 键 词： | 薏仁 近红外光谱 支持向量机 学习向量量化神经网络 定性判别 |
| 收稿时间： | 2013/7/6 |
Rapid Identification of Coix Seed Varieties by Near Infrared Spectroscopy |
|
| LIU Xing;MAO Dan-zhuo;WANG Zheng-wu;YANG Yong-jian.Rapid Identification of Coix Seed Varieties by Near Infrared Spectroscopy[J].Spectroscopy and Spectral Analysis,2014,34(5):1259-1263. | |
| Authors: | LIU Xing;MAO Dan-zhuo;WANG Zheng-wu;YANG Yong-jian |
| Institution: | LIU Xing;MAO Dan-zhuo;WANG Zheng-wu;YANG Yong-jian;Department of Food Science&Technology,School of Agriculture and Biology,Shanghai Jiaotong University;Shanghai Institute for Food and Drug Control; |
| Abstract: | |
| Keywords: | Coix seed Near infrared spectroscopy Support vector machine Learning vector quantization neural network Qualitative discriminant |
| 本文献已被 CNKI 等数据库收录！ | |