基于高光谱技术检测小麦粉灰分含量

作者：李佳琮; 谷晏; 刘翠玲^*; 孙晓荣; 张善哲

来源：食品安全质量检测学报, 2023, 14(05): 60-67.

DOI：10.19812/j.cnki.jfsq11-5956/ts.2023.05.011

• 小麦粉灰分含量
• 高光谱成像技术
• 深度极限学习机
• 波段筛选

目的 基于高光谱技术实现对小麦粉灰分含量的准确检测。方法 利用高光谱成像技术采集小麦粉的光谱数据,建立基于偏最小二乘法(partial least squares regression,PLSR)和深度极限学习机(deep extreme learning machines,DELM)的小麦粉灰分含量预测模型;通过分析3种预处理算法和4种波长选择算法,分别选出最佳的预处理与波长选择方法,最后构建基于特征波段光谱信息的预测模型,并对结果进行比较。结果 标准正态变量校正(standard normal variable,SNV)为最佳预处理方法;连续投影算法(successive projections algorithm,SPA)相较于随机森林(random forest,RF)、无信息变量消除(uninformative variable elimination,UVE)和遗传算法(genetic algorithm,GA)选择特征波长的模型更优;DELM模型更适用于灰分含量的检测,最优模型的测试集决定系数为0.968,预测集均方根误差为0.024。结论 高光谱成像技术可以快速、精准的无损检测小麦粉灰分含量,该技术可为在线检测小麦粉品质系统的开发提供理论依据。

• 单位
  北京工商大学