领学术科研之先，创食品科技之新
—— 中国食品杂志社
本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据，使用偏最小二乘回归模型确认一阶导数为最佳预处理方法，对比主成分分析和t-分布邻域嵌入降维方法，构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5 种机器学习模型进行品种判别对比。研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了1 078.005 1，表现出更好的聚类效果。经过t-分布邻域嵌入降维处理后，5 种模型的各项评价指标均优于未降维处理的模型，模型平均准确率达到了95.78%，其中朴素贝叶斯模型准确率提高了18.89%，提升效果最佳，随机森林模型的判别效果最好，预测集准确率和精准率分别为98.89%和98.96%。本方法可快速无损鉴别五常稻花香米，助力品牌保护和消费者权益维护，也可为其他地理标志农产品鉴别提供新思路。
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
