文章摘要
朱向荣;李高阳;江 靖;谢运河;单 杨.基于多类别的镉稻米近红外光谱识别分析[J].中国食品学报,2019,19(5):263-269
基于多类别的镉稻米近红外光谱识别分析
  
DOI:
中文关键词: 镉污染  稻米  近红外光谱  多分类
英文关键词: 
基金项目:长株潭国家自主创新示范区专项(2018XK2006);湖南省知识产权战略化项目(2018Z066M);湖南省科技重大专项(2011FJ1002);农业部科研杰出人才及农产品加工与质量安全创新团队
作者单位
朱向荣;李高阳;江 靖;谢运河;单 杨 湖南省农业科学院湖南省农产品加工研究所长沙410125湖南大学研究生院隆平分院长沙410125湖南省土壤肥料研究所长沙410125 
摘要点击次数: 48
全文下载次数: 0
中文摘要:
      采用近红外(NIR)光谱结合化学计量学方法对不同镉污染程度的稻米进行鉴别。首先利用主成分分析(PCA)对样本的NIR光谱进行解析,再用有监督学习算法偏最小二乘识别分析(PLS-DA)、径向基人工神经网络(RBF-ANN)及支持向量机(SVM)对不同污染程度的镉稻米进行定性建模分析。本文还讨论了不同的光谱预处理方法以及建模方法对识别效果的影响。由于NIR光谱差异太小,所以PCA得分图重叠严重,类之间很难区分,PLS-DA、RBF-ANN与SVM模型的预测集鉴别准确率分别为77.1%,67.8%与67.2%,PLS-DA的识别率最高。近红外光谱技术与化学计量学方法虽难以获得预测准确率较高的识别模型,但其预测结果还是可用于超标镉稻米的初步筛查。
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭

手机扫一扫看
分享按钮