領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
為快速、準確地判斷小麥籽粒的霉變程度，研究基于太赫茲時域光譜技術(shù)，結(jié)合支持向量機（support vector machine，SVM）、隨機森林（random forest，RF）和極限學(xué)習機（extreme learning machine，ELM）的霉變小麥定性分析方法。首先，將小麥籽粒分為正常、輕度霉變、中度霉變和重度霉變4 類，利用CCT-1800太赫茲時域光譜儀獲取小麥樣本在0.1～4.0 THz波段的光譜數(shù)據(jù)。對比采用不同光譜預(yù)處理方法對判別結(jié)果的影響后，使用主成分分析、線性判別分析（linear discriminant analysis，LDA）、t分布隨機近鄰嵌入3 種方法對光譜數(shù)據(jù)進行降維，結(jié)果表明LDA的降維效果最好。最后，構(gòu)建基于SVM、RF和ELM的小麥霉變程度判別模型，結(jié)果顯示SVM的判別效果最好，當核函數(shù)選擇多項式核、誤差懲罰系數(shù)為1時，判別準確率高達98.61%，預(yù)測集均方根誤差值為0.142 9。本研究表明利用太赫茲光譜技術(shù)可實現(xiàn)小麥霉變程度的準確檢測，為食品安全和糧食貯藏檢測提供一種檢測手段。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺區(qū)洋橋70號
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號 京ICP備14033398號-2
