| 基于拉曼光谱结合CNN-LSTM深度学习方法的铁皮石斛总黄酮含量快速检测研究 |
| |
| 作者姓名： | 刘宗溢 张彩虹 蒋健康 沈斌国 丁艳菲 张雷蕾 朱诚 |
| |
| 作者单位： | 1. 中国计量大学生命科学学院;2. 浙江省特色农产品品质及危害物控制技术重点实验室 |
| |
| 基金项目： | 浙江省重点研发计划项目(2022C04002)；;国家重点研究与发展计划项目(2017YFF0211302)；;浙江省自然科学基金青年基金项目(LQ18F050003)；;浙江省教育厅科研资助项目(Y202148007)资助； |
| |
| 摘 要： | 铁皮石斛具有很高的商业价值和营养价值，将云南文山、广西金秀、安徽霍山、浙江台州四个产地共130个样品作为研究样本，在785 nm激光下利用便携式拉曼光谱仪获得了铁皮石斛拉曼光谱，采用NaNO2-Al(NO3)3-NaOH比色法测定铁皮石斛总黄酮含量。以每条经过归一化后的拉曼光谱数据作为输入，利用Savitzky-Golay卷积平滑(SG平滑)、标准正态变量变换(SNV)、多元散射校正(MSC)等不同预处理方法对光谱数据进行处理，以偏最小二乘(PLS)、支持向量机(SVM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型作为比较，竞争自适应重加权采样(CARS)作为波长选择方法，对不同的机器学习模型进行比较研究。采用以下预测质量指标：校正集、测试集相关系数(Rc、Rp),校正集、测试集均方根误差(RMSEC、 RMSEP),评价铁皮石斛总黄酮含量预测模型的性能。结果表明：光谱在经过SNV预处理之后，CNN-LSTM方法预测铁皮石斛总黄酮含量准确率最高，Rc
|
| 关 键 词： | 铁皮石斛 拉曼光谱 卷积神经网络-长短期记忆神经网络 总黄酮含量 快速检测 |
|
