基于THz-ATR技术的发芽葵花籽光谱分析研究 |
| |
引用本文: | 田密,王少敏,孙晓荣,刘翠玲,吴静珠.基于THz-ATR技术的发芽葵花籽光谱分析研究[J].食品科技,2022(9):238-243. |
| |
作者姓名: | 田密 王少敏 孙晓荣 刘翠玲 吴静珠 |
| |
作者单位: | 1. 北京工商大学人工智能学院;2. 食品安全大数据技术北京市重点实验室;3. 北京市石景山区市场监督管理局 |
| |
基金项目: | 北京市自然科学基金项目(4222043);;2021年教育部高教司产学合作协同育人项目(202102341023); |
| |
摘 要: | 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...
|
关 键 词: | 葵花籽 THz-ATR技术 支持向量机算法 极限学习机算法 定性识别 |
|
|