基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化

• 作者: 段宇飞 王巧华
• 来源期刊: 食品科学
• 学科: 化学
• 关键词: 鸡蛋 可见-近红外光谱 特征选择 特征提取 优化 新鲜度
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 安全检测
• 页码范围: 273-278
• 页数: 6页
• 分类号: O657.3
• 字数: 6011字
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-20190213-060

摘要

为有效提高鸡蛋新鲜度检测效率、优化检测模型,本研究结合波长特征选择和特征提取方法各自的优点,对二者进行有效融合共同优化鸡蛋新鲜度检测模型.利用一阶微分对550～950 nm范围内鸡蛋的可见-近红外透射光谱数据进行预处理,考虑到冗余光谱信息对模型精度的影响,使用特征选择方法中的竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)算法融合非线性特征提取局部切空间排列(local tangent space alignment,LTSA)算法最小化光谱无用信息,建立支持向量机回归(support vector regression,SVR)模型,结果表明单一使用CARS特征波长选择建立模型得到训练集交叉验证相关系数(Rcv)为0.8805,交叉验证均方根误差(root mean square error of cross validation,RMSECV)为8.59,预测集相关系数(Rp)为0.8889,预测集均方根误差(root mean square error of prediction,RMSEP)为8.42,融合LTSA特征提取方法后得到Rcv为0.8960,RMSECV为8.04,Rp为0.8983,RMSEP为8.18,与CARS-SVR模型相比较,融合模型预测精度均有所提高,同时数据维数再次减少14个,进一步简化了预测模型.研究表明,将特征选择与特征提取二者融合共同应用于鸡蛋可见-近红外光谱数据,不仅提升了光谱检测效率,而且提高了鸡蛋新鲜度预测模型精度,可为鸡蛋新鲜度光谱检测模型优化提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王巧华	华中农业大学工学院	72	847	17.0	26.0
5	段宇飞		4	2	1.0	1.0