基于决策树的莜面近红外光谱定性分析研究

摘要

针对目前莜麦产量不高,市面上存在掺假等问题,基于仅仅依靠人工检测,存在有效率低、误差大的问题,提出了一种基于近红外光谱技术和决策树的莜面面粉识别方法。采用近红外光谱仪采集180份莜面和莜面掺玉米淀粉样本的近红外光谱,使用三种方法对获得的近红外光谱进行去噪处理,使用主成分分析方法对光谱进行降维处理,最终使用决策树建立莜面识别模型,研究三种不同光谱去噪方法对决策树分类效果的影响,对比了最终分类效果的准确率。其中使用一阶导数去噪的准确率为96.67%,使用二阶导数去噪的准确率为95.00%,使用多元散射校正去噪准确率为96.67%,在使用决策树的前提下用一阶导数或者多元散射校正去噪并结合主成分分析方法对原始光谱进行数据降维是识别莜面面粉的最佳方法。