基于THz-ATR技术的发芽葵花籽光谱分析研究

作者：田密; 王少敏^*; 孙晓荣; 刘翠玲; 吴静珠

来源：食品科技, 2022, 47(09): 238-243.

DOI：10.13684/j.cnki.spkj.2022.09.008

• 葵花籽
• THz-ATR技术
• 支持向量机算法
• 极限学习机算法
• 定性识别

随着葵花籽发芽，其脂肪和蛋白质等营养物质的含量会减少，影响油脂产品的产量及品质。利用太赫兹时域光谱技术，分别结合支持向量机(Support vector machine,SVM)算法和极限学习机(Extreme learning machine,ELM)算法建立葵花籽发芽粒的定性识别模型，保障葵花籽的品质安全。实验过程首先对60粒葵花籽进行萌芽培养，之后从中随机选择30颗作为发芽粒样本，另选择30粒正常葵花籽样本，共计60粒实验样本。之后利用太赫兹衰减全反射技术采集0.3～3.6 THz范围内的实验样本光谱数据，经过快速傅里叶变换与加窗操作转换到频域中，通过提取光学常数得到样本的吸收系数光谱和折射率光谱，选取10～40 cm–1和60～80 cm–1 2个特征波段的折射率进行归一化预处理，分别结合SVM算法和ELM算法建立定性识别模型。实验结果表明，基于联合特征波段-SVM算法的定性模型与基于联合波段-ELM建立的定性识别模型对发芽粒识别正确率、正常粒识别准确率均为100%。相比ELM模型，SVM模型识别速度更快。研究结果表明，利用太赫兹时域光谱技术分别结合SVM算法与ELM算法对葵花籽发芽粒进行识别检测均具有可行性，所建立模型可靠性很强，为贮藏、加工期间葵花籽发芽粒的监控监测提供方法参考。

• 单位
  北京工商大学