领学术科研之先，创食品科技之新
—— 中国食品杂志社
为实现苹果表面戊唑醇异常残留的精准、无损检测，本研究提出一种融合高光谱成像与可解释机器学习的方法。以富士苹果为研究对象，对其表面施以不同质量浓度的戊唑醇处理，采集高光谱图像并提取感兴趣区域的平均光谱。系统比较多种预处理方法结合多种机器学习模型的分类性能，确认二阶导数（second derivative，2D）为最佳预处理方法。利用变量投影重要性、连续投影算法和结合夏普利加性解释（SHapley Additive exPlanations，SHAP）分析的递归特征添加（recursive feature addition，RFA）算法进行特征波长筛选，分别基于全波段与特征波段建立支持向量机（support vector machine，SVM）与偏最小二乘判别分析模型，并借助SHAP分析对最优模型进行特征贡献解析。实验结果表明，经2D预处理后结合SHAP分析的RFA算法所构建的SVM模型（2D-SHAP-RFA-SVM）性能最优，仅使用51 个特征波长实现在训练集和测试集的分类准确率分别达到94.99%、94.87%。SHAP分析进一步揭示了562.5、728.1 nm等关键波长对不同残留等级分类的贡献方向与程度，增强了模型决策过程的透明度。本研究不仅为实现苹果表面戊唑醇异常残留的精准、无损检测提供了有效方法，所筛选的特征波长子集为模型优化及专用传感器设计提供理论依据。
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
