基于嗅觉可视化技术的食用植物油分类识别

为实现山茶油与3种常见食用植物油(菜籽油、大豆油和玉米油)的区分,制备可视化传感器阵列,采用嗅觉可视化技术对4种不同种类的食用植物油进行分类识别。采用主成分分析(PCA)对4种油样的特征数据进行降维,然后将降维后的数据导入K近邻(KNN)、极限学习机(ELM)、支持向量机(SVM) 3种分类模型中进行模型参数优化,对比了3种分类模型的分类结果。结果表明：建立的SVM分类模型性能最优,当输入主成分向量数为7、c=1.741 1、g=4.549 8时,SVM分类模型的测试集分类识别准确率为95.8%,五折交叉验证准确率为89.6%。制得的可视化传感器阵列可以实现4种食用植物油的分类识别,嗅觉可视化技术用于食用植物油检测是可行的。     

嗅觉可视化技术对虾储藏期内新鲜度变化的研究

新鲜度是虾类产品品质和加工适性的一个重要指标。研究利用自制的4×4可视化传感器阵列提取储藏在4℃下1～7 d的南美白对虾的挥发性气味信息。将提取的传感器阵列与虾顶空挥发性气体反应前后的颜色变化值作为特征值,对其进行主成分分析。构建以前7个主成分作为输入变量的虾新鲜度等级的BP神经网络判别模型。对训练集样本,模型的判别正确率达100%,对预测集样本,模型的识别正确率达91.30%。研究结果表明:利用嗅觉可视化技术来检测虾的新鲜度是可行的。     

基于高光谱成像技术的祁门红茶等级无损检测

为实现快速无损的茶叶产品等级评估,应用近红外（900~1700 nm）高光谱成像技术对6个等级的祁门红茶进行分类。首先利用线性和非线性降维方法对高光谱数据进行可视化处理,可视化算法包括线性方法的主成分分析（Principal Component Analysis,PCA）、多维尺度变换（Multi-Dimensional Scaling,MDS）,和非线性方法的t分布随机邻域嵌入（t-Distributed Stochastic Neighbour Embedding,t-SNE）、Sammon非线性映射。其次利用支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）建立分类模型来鉴定祁门红茶的不同等级。最后利用SVM和ELM分类模型对高光谱图像每个像素点进行识别,得到预测图。结果表明,t-SNE可以将6个等级的祁门红茶分在六个不同的簇,SVM和ELM的预测集准确率分别为100%和96.35%。t-SNE可视化效果最佳,SVM的检测模型能够有效地对祁门红茶六个等级进行识别。本文为茶叶产品等级的快速、无损检测提供了一种有效的方法,对茶叶产品的质量控制、真伪检测和掺假检测具有重要意义。     

不同温度下嗅觉可视化技术区分猪肉中主要致腐菌

提出了一种基于嗅觉可视化技术的猪肉中主要致腐菌的检测方法。在室温(20℃)、冷藏(4℃)和冷冻(-16℃)3种贮藏条件下,精心挑选了4种卟啉化合物组成可视化传感器。将该可视化传感器分别检测染有3种主要致腐菌(韩国假单胞杆菌、热杀索丝菌、梭状芽胞杆菌)的猪肉样本,用图像处理技术分析可视化传感器与猪肉样本挥发性气体反应前后的颜色变化,并利用主成分分析法提取不同猪肉样本挥发性气味的特征信息,用于猪肉中上述3种主要致腐菌的区分。检测结果显示,嗅觉可视化技术对染有韩国假单胞杆菌样本组的识别率为98%,对染有梭状芽孢杆菌和热杀索丝菌样本组的识别率均为100%。研究结果表明,嗅觉可视化传感器阵列能够区分猪肉中的上述3种主要致腐菌。     

基于主成分分析和改进支持向量机的猪肉品质识别

目的:剔除近红外光谱存在大量冗余信息以及提高猪肉品质识别的精度,建立猪肉品质快速识别方法。方法:运用主成分分析对猪肉光谱数据进行降维处理,筛选出猪肉光谱特征波长;运用樽海鞘群算法进行支持向量机(SVM)模型的参数优化,提出一种基于樽海鞘算法改进支持向量机的猪肉品质识别模型。结果:与灰狼算法(GWO)优化SVM(GWO-SVM)、网格搜索算法改进SVM(Grid-SVM)、粒子群算法改进SVM(PSO-SVM)和SVM相比,基于SSA-SVM的猪肉品质识别模型的精度最高。结论:融合主成分分析和樽海鞘算法优化SVM模型的猪肉品质识别模型可以有效提高SVM模型的猪肉品质识别精度。     

高光谱成像技术检测油茶果成熟度

为解决油茶果采摘期判断不准确可能导致的茶油产量降低问题,应用高光谱成像技术结合化学计量法对油茶果成熟度进行定性判别。完成了高光谱图像的曲率校正,分析不同成熟阶段油茶果的光谱特征和理化特征的变化情况。使用4 种不同的分类算法建立基于全波段光谱数据的油茶果成熟度判别模型,发现支持向量机（support vector machine,SVM）模型的分类正确率最高为97%。结合5 种特征变量选择方法对全波段光谱数据进行降维,发现经过竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）选择的特征波长建立的模型正确率最高为82%。提取高光谱图像中的颜色特征和纹理特征建立SVM模型后发现,融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%,测试集正确率为93%。结果表明,利用高光谱成像技术能够对不同成熟度的油茶果进行较准确的分类,为茶农对油茶果最佳采摘期的判断提供科学依据,在保障茶籽产量最大化、油质最优化等方面具有重要意义。     

基于时频域特征融合的龙井茶品质判定

智能感官分析技术是模拟人的感官获取茶叶滋味特征信息,用于茶叶品质自动检测的有效方法。本文采用电子舌智能感官分析仪器采集不同等级西湖龙井茶的智能味觉指纹图谱,从时域和频域两个角度提取电子舌传感器响应信号参数,并将时域特征参数和频域特征参数进行特征融合,然后茶叶样品特征分别采用线性降维方法(主成分分析、线性判别分析)和非线性降维方法(核主成分分析、核线性判别分析)进行维数约简,采用最近邻分类器判定茶叶等级。对单特征参数和多特征参数以及线性降维和非线性降维方法的算法效果进行比较,结果龙井茶等级判定的最高正确识别率在95%以上,实现了电子舌对不同等级龙井茶样品的自动模式分类。     

基于嗅觉可视化技术的猪肉新鲜度检测

嗅觉可视化技术是使非可见物质成像（主要是气体成像）的一种无损检测新技术,属人工嗅觉模拟技术的一个新分支.使用卟啉和pH指示剂作为嗅觉可视化传感器阵列的气敏材料,检测猪肉中的优势致腐菌和新鲜度.将3种优势致腐菌-梭状芽孢杆菌、热死环丝菌、假单胞菌-分别接种至3组猪肉样本中,在3种温度--16℃,.4℃和20℃-条件下分别贮藏不同的时间后,采用扫描仪获取可视化传感器阵列与每个样本反应前后的图像信息;将阵列反应前后的颜色差值作为样本特征值,对不同的猪肉样本经不同贮藏时间后产生的挥发性气味,可视化传感器阵列显示其特定的颜色图像与其对应.结果表明,嗅觉可视化技术可以用于检测猪肉的优势致腐菌以及判断猪肉的新鲜度.     

小麦霉菌污染支持向量机判别模型的建立

为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类（support vector machine classification,SVM）方法建立判别模型。结果表明：运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80%。输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100%,交叉验证判别正确率为98.89%。用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明：SVM判别模型对外部验证集样品的判别正确率为100%。该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测。     

基于激光诱导击穿光谱技术结合机器学习算法的3种干腌火腿产地识别

火腿种类多,产地不同。本文采用激光诱导击穿光谱技术(LIBS)结合机器学习算法鉴别火腿原产地。采集16个火腿切片样品(4个如皋火腿样品、5个金华火腿样品、7个宣威火腿样品)的LIBS光谱数据,应用K近邻(KNN)、支持向量机(SVM)以及全连接神经网络(DNN)对火腿样品产地进行分类。采用主成分分析(PCA)对火腿样品的光谱数据降维处理,然后,分别结合KNN和SVM算法对样品进行分类,并研究对建模速度和预测准确率的影响。结果表明:KNN和SVM在结合PCA后,建模分析时间大幅减少;KNN、 PCA+KNN、 SVM、 PCA+SVM 4种分类方法的平均正确率分别为70.53%,73.50%,79.53%,80.42%,使用PCA结合KNN和SVM时分类准确率有小幅度的提高;使用DNN对火腿样品进行分类,正确率最高达85.56%,相比于KNN和SVM,DNN对火腿LIBS光谱数据具有更高的分类正确率。结论:用LIBS结合机器学习算法区分不同产地的火腿样品是可行的.     

Evaluation of Chinese tea by the electronic tongue: Correlation with sensory properties and classification according to geographical origin and grade level

Research was conducted to compare tea quality measured by a trained sensory panel and instrument analysis using a potentiometric sensor array. This array is formed by a set of non-specific all-solid-state potentiometric sensors and has been used in combination with principal component analysis (PCA) for the classification of tea samples from different geographical origins and quality grades. The method used to assess 10 sensory attributes in tea taste such as heavy flavor, thick flavor, sweet flavor, fresh flavor, mellow flavor, astringency, tenderness, stale flavor, purity and fired flavor were in accordance to the China National Institute of Standardization (CNIS) sensory profile test. The relationship between instrumental and sensory measurements of tea was also investigated. Results from these analyses demonstrate that the electronic tongue can be used to predict sensory characteristics and their relationship to the taste quality of tea measured by professional taster.     

电子鼻传感器筛选的组合优化法研究

以电子鼻传感器对不同等级龙井茶样品的响应区分为研究对象,探索建立一种传感器阵列优化的方法——组合优化法。该方法的核心是以方差分析的组内均方值和P值或F值对单一传感器在该测试体系下的响应性能进行初筛和分组,再对分组后的传感器进行排列组合,对各种组合后的传感器信号进行主成分分析(PCA),并以判别指数(DI)作为衡量PCA分析结果及各传感器优化组合后的性能指标,最终确定适用于目标的优化传感器阵列。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

基于介电特性的鸡蛋品种无损鉴别

为更合理有效实现鸡蛋品种分类,研究一种介电特性无损鉴别鸡蛋品种方法。本实验以4组不同品种鸡蛋(江苏镇江洋鸡蛋、江苏镇江草鸡蛋、安徽老南沟草鸡蛋、江苏东台草鸡蛋)为研究对象,采用平行极板法测量4组鸡蛋在10~200 k Hz条件下的介电特性参数,并利用支持向量机(support vector machine,SVM)算法建立鸡蛋品种鉴别分类检测模型。研究不同核函数(线性核函数、多项式核函数、RBF核函数和Sigmoid核函数)、不同参数寻优算法(网格搜索法、遗传算法和粒子群算法)选择对分类模型准确率的影响。结果表明,以线性核函数为SVM核函数、粒子群算法为SVM参数寻优算法时,建立的鸡蛋品种SVM分类模型的性能最优,其训练集正确率为95.83%,测试集正确率为95.83%。利用介电特性无损检测技术结合SVM算法,取得了很好的分类效果,为鸡蛋品种鉴别提供了一种新的快速有效的方法。     

基于高光谱技术的铁观音茶叶等级判别

应用高光谱技术结合支持向量机分类理论对不同等级的铁观音茶叶进行判别分析。采集铁观音各等级茶样的高光谱数据,提取红边幅值、蓝边位置、黄边面积、红谷反射率、归一化植被指数等共20 个光谱特征参数,以其作为输入量带入以径向基函数作为核函数的支持向量机分类模型,探讨惩罚参数C和核参数g的最佳取值,构建判别模型,并对其进行验证和评价。结果显示,当惩罚参数C和核参数g分别为106和0.007 5时,所建模型对未知等级的铁观音样品正确判别率可达92.86%,表明应用高光谱技术进行铁观音茶叶等级的快速无损准确鉴别是可行的。     

Evaluation of Data Mining Strategies for Classification of Black Tea Based on Image-Based Features

In this study, a new procedure based on computer vision was developed for qualitative classification of black tea. Images of 240 samples from four different classes of black tea, including Orange Pekoe (OP), Flowery Orange Pekoe (FOP), Flowery Broken Orange Pekoe (FBOP), and Pekoe Dust One (PD-ONE), were acquired and processed using a computer vision system. Eighteen color features, 13 gray-image texture features, and 52 wavelet texture features were extracted and assessed. Two common heuristic feature selection methods: correlation-based feature selection (CFS) and principal component analysis (PCA), were used for selecting the most significant features. Seven of the primary features were selected by CFS as the most relevant ones, while PCA converted the original variables into 11 independent components. These final discriminatory vectors were evaluated by using four different classification methods including decision tree (DT), support vector machine (SVM), Bayesian network (BN), and artificial neural networks (ANN) to predict the qualitative category of tea samples. Among the studied classifiers, the ANN with 7–10–4 topology developed by CFS-selected features provided the best classifier with a classification rate of 96.25%. The other methods assayed provided slightly lower accuracies than ANN from 86.25% for BN till 87.50% for SVM and 88.75% for DT. In all the cases, the accuracy of the classifiers increased when using the CFS-selected features as input variables in front of PCA obtained ones. It can be concluded that image-based features are strong characterizing factors which can be effectively applied for tea quality evaluation.     

电子舌技术在普洱散茶等级评价中的应用

为了探讨茶叶的感官审评结果与电子舌测定结果的相关性,3个等级的云南普洱散茶分别被用于感官审评以及电位型电子舌的检测。电子舌测定结合主成分分析法(PCA)的结果显示,在第一和第二主成分的得分图上,电子舌可以区分特征十分相近的不同等级的普洱茶。同时对感官与仪器分析数据进行PCA分析后,找到了与不同等级茶叶感官品质相关性较高的传感器。因此,电子舌有望应用于茶叶生产的在线检测,以保证质量的一致性与分等分级的客观性。