10.3964/j.issn.1000-0593(2017)06-1718-05
基于近红外高光谱技术和特征波谱分析方法的竹类判别研究
竹叶含有丰富的功能性成分,具有良好的抗氧化、调节血脂、抗癌、保护心脑血管等功效,在食品和药品等领域具有较高的应用价值,但不同品种的竹叶其功能性成分差异较大.传统对于竹类品种的鉴别主要是通过观察竹叶大小、纹理、竹枝分枝和竹竿高度等,效率低且错误率较高,因此,快速准确的区分不同品种的竹叶,是竹类资源开发和加工过程中的重要任务之一.采用近红外高光谱(900~1 700 nm)技术对我国不同产地的12种竹叶进行鉴别分析.用主成分分析(PCA)对竹叶进行聚类分析,应用主成分因子中X-loading(XL)和random frog(RF)算法进行特征波段的提取,分别得到6条(931,945,1 217,1 318,1 473和1 653 nm)和12条(1 052,1 140,1 163,1 177,1 180,1 193,1 230,1 241,1 477,1 483,1 629和1 649nm)特征波段,并基于全波段(238条波长)及采用以上算法所得的特征波段建立最小二乘-支持向量机(LS-SVM)判别分析模型,其识别率分别为99.17%(全波段),95.83%(XL算法),95.83%(RF算法).最后,采用受试者工作特征曲线(receiver operating characteristic curve,ROC curve)对LS-SVM模型的判别效果进行验证,结果表明,曲线下面积(AUC)均在0.98以上,说明近红外高光谱结合LS-SVM可以很好地实现竹类的鉴别分析,这为竹叶的食用和药用价值的开发利用提供理论参考.
高光谱技术、竹叶、判别分析模型、化学计量学
37
O433.4(光学)
国家高技术研究发展计划2013AA102301;国家自然科学基金项目31471417
2017-07-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
1718-1722