基于THz-ATR技术的发芽葵花籽光谱分析研究

随着葵花籽发芽，其脂肪和蛋白质等营养物质的含量会减少，影响油脂产品的产量及品质。利用太赫兹时域光谱技术，分别结合支持向量机(Support vector machine,SVM)算法和极限学习机(Extreme learning machine,ELM)算法建立葵花籽发芽粒的定性识别模型，保障葵花籽的品质安全。实验过程首先对60粒葵花籽进行萌芽培养，之后从中随机选择30颗作为发芽粒样本，另选择30粒正常葵花籽样本，共计60粒实验样本。之后利用太赫兹衰减全反射技术采集0.3～3.6 THz范围内的实验样本光谱数据，经过快速傅里叶变换与加窗操作转换到频域中，通过提取光学常数得到样本的吸收系数光谱和折射率光谱，选取10～40 cm^–1和60～80 cm^–1 2个特征波段的折射率进行归一化预处理，分别结合SVM算法和ELM算法建立定性识别模型。实验结果表明，基于联合特征波段-SVM算法的定性模型与基于联合波段-ELM建立的定性识别模型对发芽粒识别正确率、正常粒识别准确率均为100%。相比ELM模型，SVM模型识别速度更快。研究结果表明，利用太赫兹时域...