基于神经网络的小米产地鉴别研究

作者：吕鹏贺; 杨冬风^*

来源：乡村科技, 2023, 14(13): 151-154.

DOI：10.19345/j.cnki.1674-7909.2023.13.015

• 小米
• 产地鉴别
• CARS-BP模型
• 近红外光谱

小米的品质与产地息息相关，产地不同可能导致小米品质存在差异。为了实现小米产地的快速、精确鉴别，保护优质小米的品牌效益，以6种不同产地的小米为研究对象，将近红外光谱分析技术与反向传播（Back-propagation,BP）神经网络相结合建立小米产地鉴别模型，使用竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）算法提取特征波长变量，并在此基础上建立CARS-BP模型，之后将CARS-BP模型与全谱BP神经网络模型、支持向量机（Support Vector Machine,SVM）、偏最小二乘法（Partial Least Square,PLS）、K最近邻（K-Nearest Neighbor,KNN）分类算法进行比较，对比5种模型鉴别的准确率。结果表明：CARS-BP模型对6种产地小米样品的产地鉴别平均准确率达98.1%，优于SVM、PSL和KNN模型。

• 单位
  黑龙江八一农垦大学