基于近红外光谱技术联合极限学习机的蓝莓贮藏品质定量模型建立

作者：朱金艳; 朱玉杰^*; 冯国红^*; 曾明飞; 刘思岐

来源：食品与发酵工业, 2022, 48(16): 270-276.

DOI：10.13995/j.cnki.11-1802/ts.029223

• 近红外光谱
• 极限学习机
• 蓝莓
• 联合区间偏最小二乘
• 无损检测

采用近红外光谱技术联合极限学习机(extreme learning machine, ELM)方法建立蓝莓贮藏品质的定量检测模型，实现对蓝莓果实的可溶性固形物、维生素C和花青素含量的快速无损检测，以期为鲜食蓝莓低温贮藏期间的在线品质检测提供技术参考。利用LabSpec 5000光谱仪采集5个不同贮藏时间共150组蓝莓样本的近红外光谱，通过基于联合X/Y的异常样本识别和剔除方法筛选异常样本，使用联合X-Y距离样本集划分方法对样本集进行划分。通过对比分析标准正态变换、多元散射校正、一阶导数等预处理方法对模型性能的影响，确定蓝莓3个成分各自最优预处理方法，采用联合区间偏最小二乘算法(synergy interval partial least squares, SiPLS)选择出特征波段，将其作为输入建立ELM定量分析模型，并将模型结果与偏最小二乘回归进行对比分析。结果表明，蓝莓果实的可溶性固形物、维生素C和花青素含量最优ELM模型的校正集相关系数分别为0.920 5、0.908 7、0.942 1;验证集相关系数为0.882 6、0.897 2、0.869 3;校正集均方根误差为0.766 4、0.695 4、1.671 0;验证集均方根误差为0.539 7、0.624 3、2.041 4。该研究利用全光谱的1/5～2/5的变量就能达到比原始变量所建模型更好的性能，与传统的偏最小二乘回归模型相比，该文建立的ELM模型精度有明显提高，表明SiPLS-ELM结合近红外光谱技术在蓝莓成分的在线无损检测方面具有很大潜力。

• 单位
  东北林业大学