近红外光谱技术结合偏最小二乘判别分析检测三七品质

作者：李颖; 马雨辰; 刘萌; 孙兆敏; 付才力; 李占明^*

来源：食品安全质量检测学报, 2022, 13(12): 3923-3929.

DOI：10.19812/j.cnki.jfsq11-5956/ts.2022.12.043

• 三七
• 近红外光谱
• 品质鉴定
• 偏最小二乘判别分析
• 竞争自适应重加权采样

目的 通过近红外光谱技术实现不同等级三七样品的快速鉴别。方法 采集等级A (20头)、等级B(30头)、等级C (40头)、等级D (60头)4种不同等级三七样品的近红外光谱,构建偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)分类器模型鉴别4种等级的三七样品,同时为了减近红外光谱中的冗余波长变量,进一步优化模型的判别结果,利用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法提取近红外光谱中的特征变量。结果 所构建的PLS-DA分类器模型对等级C和等级D的三七样品,鉴别准确率达到100%,但是对于等级A和等级B的三七样品因为存在误判,鉴别准确率仅为0%和20%。经过CARS算法提取近红外光谱特征变量后,光谱变量数大幅减少,从1557个变量下降到78个变量。以优选后的特征变量构建的CARS-PLS-DA分类器模型更加简化,对4种等级三七样品的预测均方根误差均明显下降,说明模型的预测分类变量更接近真实的分类变量,鉴别结果更加准确。同时,对4种等级三七样品的鉴别准确率显著上升,其中对于等级C和等级D的鉴别准确率为100%,对于等级B的鉴别准确率从20%提升到100%,等级A鉴别准确率从0%提升到75%。结论 所构建的CARS-PLS-DA分类器模型对4种等级的三七样品具有更好的鉴别效果,可以实现不同等级三七的品质鉴定。

• 单位
  厦门海洋职业技术学院; 苏州工业园区新国大研究院; 江苏科技大学