领学术科研之先，创食品科技之新
—— 中国食品杂志社
本研究通过高光谱技术解决留兰香的产地鉴别问题。首先，选取了5 个产地共375 个留兰香样本进行高光谱数据采集，并采用多元散射校正方法进行预处理，对预处理后的数据进行主成分分析（principal component analysis，PCA），将得到的主成分变量构建Wilks Λ统计量，且从小到大排序。然后，分别绘制前3小Wilks Λ值所对应的主成分在各个波长下的权重系数曲线，系数曲线上的峰谷所对应的波长为特征波长，共得到37 个特征波长。随后用Fisher判别分析构造鉴别模型的输入变量。最后，分别构建支持向量机（support vector machine，SVM）和反向传播神经网络（back propagation neural network，BPNN）产地鉴别模型。结果表明：SVM模型的鉴别效果优于BPNN模型，其训练集和测试集鉴别正确率分别为99.67%和98.67%。因此，在PCA联合Wilks Λ统计量提取特征波长基础上构建的留兰香产地SVM鉴别模型可有效实现产地的鉴别，并且所提取的特征波长不受到理化指标数量的影响，使该鉴别模型具有较强的鲁棒性。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
