基于近红外光谱与KPCA-SVM鉴别淡水鱼肉

作者：周娇娇; 徐文杰; 许竞; 尤娟; 熊善柏^*

来源：华中农业大学学报, 2019, 38(05): 98-104.

DOI：10.13300/j.cnki.hnlkxb.2019.05.014

• 近红外光谱
• 特征提取方法
• 淡水鱼肉
• 水产品品质
• 支持向量机
• 鉴别
• 正确判别率

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。

• 单位
  华中农业大学