基于傅里叶红外光谱技术的大米产地溯源快速判别方法研究

• 作者: 刘晓欢 刘翠玲 孙晓荣 杨雨菲 林珑
• 来源期刊: 食品科技
• 关键词: 大米溯源 傅里叶红外光谱 偏最小二乘判别法(PLS-DA) K近邻算法(KNN)
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 食品安全与检测篇|FOODSAFETY & DETECTION
• 页码范围: 244-249
• 页数: 6页
• 分类号: O433.4|TS207.3
• 语种: 中文

摘要

大米的品质受到基因遗传、气候、土壤等影响,不同产地的大米品质不同,为了鉴别大 米的产地,应用德国Bruker VERTEX 70傅里叶红外光谱仪采集4个不同产地大米的傅里叶红外光谱,分别经过矢量归一化、一阶导数+13点平滑、一阶导数+13点平滑+矢量归一化、一阶导数+13点平滑+减去一条直线预处理后,建立偏最小二乘判别模型(Partial Least-squares Discrimination Analysis,PLS-DA).结果 表明:经过一阶导数+13点平滑+矢量归一化+PES-DA处理后的模型识别率为92.29％,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为93.77％、91.24％、100％、75％.为了提高模型的识别率,对全光谱数据进行主成分分析(Principal Component Analysis,PCA)特征提取,建立不同成分特征的K近邻(K Nearest Neighbor,KNN)模型,结果表明:选取PCA前7成分特征作为KNN模型的输入,得到PCA-KNN模型识别率为94.27％,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为94.44％、94.12％、93.75％、93.33％.实验结果表明,利用傅里叶红外光谱技术对大米产地溯源具有一定的可行性.