領(lǐng)學術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
本研究通過高光譜技術(shù)解決留蘭香的產(chǎn)地鑒別問題。首先，選取了5 個產(chǎn)地共375 個留蘭香樣本進行高光譜數(shù)據(jù)采集，并采用多元散射校正方法進行預處理，對預處理后的數(shù)據(jù)進行主成分分析（principal component analysis，PCA），將得到的主成分變量構(gòu)建Wilks Λ統(tǒng)計量，且從小到大排序。然后，分別繪制前3小Wilks Λ值所對應(yīng)的主成分在各個波長下的權(quán)重系數(shù)曲線，系數(shù)曲線上的峰谷所對應(yīng)的波長為特征波長，共得到37 個特征波長。隨后用Fisher判別分析構(gòu)造鑒別模型的輸入變量。最后，分別構(gòu)建支持向量機（support vector machine，SVM）和反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation neural network，BPNN）產(chǎn)地鑒別模型。結(jié)果表明：SVM模型的鑒別效果優(yōu)于BPNN模型，其訓練集和測試集鑒別正確率分別為99.67%和98.67%。因此，在PCA聯(lián)合Wilks Λ統(tǒng)計量提取特征波長基礎(chǔ)上構(gòu)建的留蘭香產(chǎn)地SVM鑒別模型可有效實現(xiàn)產(chǎn)地的鑒別，并且所提取的特征波長不受到理化指標數(shù)量的影響，使該鑒別模型具有較強的魯棒性。
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
