湖北农业科学
湖北農業科學
호북농업과학
2014年
2期
430-433
,共4页
蜂蜜%近红外光谱(NIR)%小生境蚁群算法(NACA法)%偏最小二乘支持向量机(LS-SVM)
蜂蜜%近紅外光譜(NIR)%小生境蟻群算法(NACA法)%偏最小二乘支持嚮量機(LS-SVM)
봉밀%근홍외광보(NIR)%소생경의군산법(NACA법)%편최소이승지지향량궤(LS-SVM)
honey%near infrared spectroscopy(NIR)%ant colony algorithm(NACA)%partial least squares support vector machine(LS-SVM)
针对目前蜂蜜掺假严重且传统检测方法耗时等问题,研究了基于近红外光谱(NIR)鉴别蜂蜜掺入果糖溶液的检测方法.比较了网格法和小生境蚁群算法(NACA法)对偏最小二乘支持向量机(LS-SVM)模型的影响.结果表明,两种优化方法都能使LS-SVM模型得到较高的识别率,但NACA法优化速度更快;运用标准正态变量校正(SNV)对蜂蜜光谱数据进行预处理,用偏最小二乘法(PLS)对蜂蜜光谱数据进行数据压缩,分别在5 303～6 591 cm-1、7 012～10 001 cm-1和4 000～10 001 cm-1(全谱)范围内,建立了基于NACA和LS-SVM的蜂蜜真伪识别模型,在5 303～6 591 cm-1和7 012～10 001 cm-1波段范围内所建模型的识别率为100.00％,优于在全谱范围内所建模型的识别率.
針對目前蜂蜜摻假嚴重且傳統檢測方法耗時等問題,研究瞭基于近紅外光譜(NIR)鑒彆蜂蜜摻入果糖溶液的檢測方法.比較瞭網格法和小生境蟻群算法(NACA法)對偏最小二乘支持嚮量機(LS-SVM)模型的影響.結果錶明,兩種優化方法都能使LS-SVM模型得到較高的識彆率,但NACA法優化速度更快;運用標準正態變量校正(SNV)對蜂蜜光譜數據進行預處理,用偏最小二乘法(PLS)對蜂蜜光譜數據進行數據壓縮,分彆在5 303～6 591 cm-1、7 012～10 001 cm-1和4 000～10 001 cm-1(全譜)範圍內,建立瞭基于NACA和LS-SVM的蜂蜜真偽識彆模型,在5 303～6 591 cm-1和7 012～10 001 cm-1波段範圍內所建模型的識彆率為100.00％,優于在全譜範圍內所建模型的識彆率.
침대목전봉밀참가엄중차전통검측방법모시등문제,연구료기우근홍외광보(NIR)감별봉밀참입과당용액적검측방법.비교료망격법화소생경의군산법(NACA법)대편최소이승지지향량궤(LS-SVM)모형적영향.결과표명,량충우화방법도능사LS-SVM모형득도교고적식별솔,단NACA법우화속도경쾌;운용표준정태변량교정(SNV)대봉밀광보수거진행예처리,용편최소이승법(PLS)대봉밀광보수거진행수거압축,분별재5 303～6 591 cm-1、7 012～10 001 cm-1화4 000～10 001 cm-1(전보)범위내,건립료기우NACA화LS-SVM적봉밀진위식별모형,재5 303～6 591 cm-1화7 012～10 001 cm-1파단범위내소건모형적식별솔위100.00％,우우재전보범위내소건모형적식별솔.
