基于近红外光谱结合机器学习算法检测食用明胶品种溯源的研究

摘要

采用近红外光谱结合机器学习方法,对5种不同来源的食用明胶进行鉴别.利用Savitzky-Golay平滑去噪、多元散射校正和最大最小归一化等方法对原始光谱数据进行预处理.将预处理的光谱数据划分为训练集和验证集,分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和反向传播神经网络(back propagation neural network,BPNN)建立识别模型.结果表明,SVM模型、RF模型和BPNN模型的总体准确率均高达97％以上,其中BPNN模型的准确率为100％,明显优于其他2种模型,能够实现5种不同来源食用明胶的完全识别,而且其运算速度最短,更适用于明胶品种的溯源.