领学术科研之先，创食品科技之新
—— 中国食品杂志社
本研究利用可见-近红外（visible-near infrared spectroscopy，Vis-NIR）光谱技术采集新梅4 个不同货架期（采后1、3、5、7 d）的光谱信息，采用Savitzky-Golay（SG）卷积平滑、标准正态变量变换（standard normal variate transformation，SNV）、基线校正（baseline correction，BC）和最大-最小归一化（min-max normalization，MN）4 种预处理方法，并利用竞争性自适应重加权采样算法（competitive adaptive reweighted sampling，CARS）、变量空间迭代收缩法（variable iterative space shrinkage approach，VISSA）和连续投影算法（successive projections algorithm，SPA）分别提取特征波长，与波段比、波段差和归一化强度差（normalized spectral intensity difference，NSID）3 种光谱形态特征形成组合特征集，用于构建偏最小二乘判别分析（partial least squares-discriminant analysis，PLS-DA）与极限学习机（extreme learning machine，ELM）分类模型。结果表明，基于全光谱建模时，PLS-DA与ELM判别模型判别性能有限，验证集准确率均仅为70.24%；而采用MN预处理并融合SPA特征提取方法与NSID形态特征的MN-SPA-NSID-ELM模型，在仅使用24 个变量数与30 个隐含层神经元的条件下，验证集准确率达97.62%，显著优于其他模型组合。此外，在独立制备的新梅外部测试样本集上，该模型仍实现了99.18%的准确率，Kappa系数为0.989，有效地提升了新梅果品货架期分类判别效率，本研究可为新梅生产与分级环节提供快速、精准、无损的检测技术支持。
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
