结合太赫兹光谱与机器学习的小麦霉变程度判别 |
| |
引用本文: | 杨承霖,刘嘉祺,郭芸成,徐志远,张思怡,姚志凤,秦立峰,陈煦,何东健,卫亚红.结合太赫兹光谱与机器学习的小麦霉变程度判别[J].食品科学,2023(12):343-350. |
| |
作者姓名: | 杨承霖 刘嘉祺 郭芸成 徐志远 张思怡 姚志凤 秦立峰 陈煦 何东健 卫亚红 |
| |
作者单位: | 1. 西北农林科技大学机械与电子工程学院;2. 农业农村部农业物联网重点实验室;3. 陕西省农业信息感知与智能服务重点实验室;4. 西北农林科技大学生命科学学院 |
| |
摘 要: | 为快速、准确地判断小麦籽粒的霉变程度,研究基于太赫兹时域光谱技术,结合支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和极限学习机(extreme learning machine,ELM)的霉变小麦定性分析方法。首先,将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类,利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1~4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后,使用主成分分析、线性判别分析(linear discriminant analysis,LDA)、t分布随机近邻嵌入3种方法对光谱数据进行降维,结果表明LDA的降维效果最好。最后,构建基于SVM、RF和ELM的小麦霉变程度判别模型,结果显示SVM的判别效果最好,当核函数选择多项式核、误差惩罚系数为1时,判别准确率高达98.61%,预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测,为食品安全和粮食贮藏检测提供一种检测手段。
|
关 键 词: | 太赫兹时域光谱 霉变小麦 光谱预处理 光谱降维 光谱分类 |
|
|