基于近红外光谱和多层感知机的贻贝中腹泻性贝毒快速无损检测

以腹泻性贝毒(diarrheal shellfish poison, DSP)污染和未污染良好贻贝为研究对象,利用近红外光谱仪采集950～1 700 nm波长内各120个样本的光谱数据;分析确定适合贻贝近红外光谱(near-infrared spectroscopy, NIS)的最佳预处理方法来消除环境光的影响;构建多层感知机(multi-layer perceptron, MLP)模型作为检测DSP污染贻贝的分类器。将240个样本构成的数据集按照7∶3随机划分为训练集和测试集,将运行50次模型得到的准确率的平均值作为最终评价指标,检测DSP污染贻贝的准确率达到99.94%。该研究所构建的基于NIS的MLP模型对DSP的检出限为35μg/kg。对于实际应用中存在的数据集中训练集所占比重不同、小样本和类别不均衡等问题,分析了MLP模型的检测性能。实验结果表明,基于一阶导数光谱预处理的MLP模型对以上3种问题不敏感,说明该分类器泛化能力及鲁棒性较强。因此,将NIS与MLP分类器结合是一种可行的贝毒无损鉴别的新方法。