河南农业大学学报

2021, v.55;No.225(03) 460-467

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于近红外光谱结合机器学习算法检测食用明胶品种溯源的研究
Determination of edible gelatin origins based on near-infrared spectroscopy coupled with machine learning methods

张浩;刘振;王玲;胡建东;

摘要(Abstract):

采用近红外光谱结合机器学习方法,对5种不同来源的食用明胶进行鉴别。利用Savitzky-Golay平滑去噪、多元散射校正和最大最小归一化等方法对原始光谱数据进行预处理。将预处理的光谱数据划分为训练集和验证集,分别采用支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和反向传播神经网络(back propagation neural network, BPNN)建立识别模型。结果表明,SVM模型、RF模型和BPNN模型的总体准确率均高达97%以上,其中BPNN模型的准确率为100%,明显优于其他2种模型,能够实现5种不同来源食用明胶的完全识别,而且其运算速度最短,更适用于明胶品种的溯源。

关键词(KeyWords): 食用明胶;品种溯源;近红外光谱;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(32071890);; 河南省自然科学基金项目(202300410197);; 中国博士后科学基金面上项目(2017M612399);; 河南省高等学校青年骨干教师项目(2020GGJS046);; 河南农业大学科技创新基金项目(KJCX2018A09)

作者(Author): 张浩;刘振;王玲;胡建东;

Email:

DOI: 10.16445/j.cnki.1000-2340.20210409.003

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享