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
本研究提出一種基于近紅外光譜技術(shù)結(jié)合機(jī)器學(xué)習(xí)算法快速無損鑒別五常稻花香米的方法。通過采集不同品種的大米近紅外光譜數(shù)據(jù)，使用偏最小二乘回歸模型確認(rèn)一階導(dǎo)數(shù)為最佳預(yù)處理方法，對比主成分分析和t-分布鄰域嵌入降維方法，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)、K近鄰算法、隨機(jī)森林、決策樹和樸素貝葉斯5 種機(jī)器學(xué)習(xí)模型進(jìn)行品種判別對比。研究結(jié)果表明t-分布鄰域嵌入在Calinski-Harabasz指數(shù)上提升了1 078.005 1，表現(xiàn)出更好的聚類效果。經(jīng)過t-分布鄰域嵌入降維處理后，5 種模型的各項評價指標(biāo)均優(yōu)于未降維處理的模型，模型平均準(zhǔn)確率達(dá)到了95.78%，其中樸素貝葉斯模型準(zhǔn)確率提高了18.89%，提升效果最佳，隨機(jī)森林模型的判別效果最好，預(yù)測集準(zhǔn)確率和精準(zhǔn)率分別為98.89%和98.96%。本方法可快速無損鑒別五常稻花香米，助力品牌保護(hù)和消費者權(quán)益維護(hù)，也可為其他地理標(biāo)志農(nóng)產(chǎn)品鑒別提供新思路。
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
