基于傅里叶红外光谱技术的大米产地溯源快速判别方法研究

作者：刘晓欢; 刘翠玲^*; 孙晓荣; 杨雨菲; 林珑

来源：食品科技, 2021, 46(04): 244-249.

DOI：10.13684/j.cnki.spkj.2021.04.038

• 大米溯源
• 傅里叶红外光谱
• 偏最小二乘判别法(PLS-DA)
• K近邻算法(KNN)

大米的品质受到基因遗传、气候、土壤等影响,不同产地的大米品质不同,为了鉴别大米的产地,应用德国Bruker VERTEX 70傅里叶红外光谱仪采集4个不同产地大米的傅里叶红外光谱,分别经过矢量归一化、一阶导数+13点平滑、一阶导数+13点平滑+矢量归一化、一阶导数+13点平滑+减去一条直线预处理后,建立偏最小二乘判别模型(Partial Least-squares Discrimination Analysis,PLS-DA)。结果表明:经过一阶导数+13点平滑+矢量归一化+PLS-DA处理后的模型识别率为92.29%,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为93.77%、91.24%、100%、75%。为了提高模型的识别率,对全光谱数据进行主成分分析(Principal Component Analysis,PCA)特征提取,建立不同成分特征的K近邻(K Nearest Neighbor,KNN)模型,结果表明:选取PCA前7成分特征作为KNN模型的输入,得到PCA-KNN模型识别率为94.27%,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为94.44%、94.12%、93.75%、93.33%。实验结果表明,利用傅里叶红外光谱技术对大米产地溯源具有一定的可行性。

• 单位
  北京工商大学