基于高光谱图像技术的油炸薯片中羧甲基赖氨酸含量检测

• 作者: 王润博 韩文凤 于慧春
• 来源期刊: 食品研究与开发
• 关键词: 高光谱图像 主成分分析 偏最小二乘 BP神经网络 油炸薯片 羧甲基赖氨酸(CML)
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 检测分析|Detection and Analysis
• 页码范围: 152-159
• 页数: 8页
• 语种: 中文
• DOI: 10.12161/j.issn.1005-6521.2022.08.021

摘要

为探究羧甲基赖氨酸[Nε-(1-carboxymethyl)-L-lysine,CML]含量的快速无损检测方法,该文采用高光谱图像技术对8种自制油炸薯片进行检测研究,提取每个高光谱图像的平均光谱值作为特征参量,同时结合液相色谱-质谱法测定CML含量,探寻预测其含量最适宜的光谱预处理和建模方法.首先将高光谱图像进行黑白校正,再选用标准正态变量变换光谱预处理方法,以消除固体颗粒、散射以及光程变化对光谱的影响.然后筛选出第200个到1000个波段图像的平均光谱反射值,建立主成分回归、偏最小二乘回归和BP神经网络3种预测模型.对比结果表明:BP神经网络可以预测油炸薯片中CML含量,预测正确率为99.67％,决定系数为0.99,均方根误差为0.22.同时,为验证模型的稳健性,随机选取5组训练集和预测集代入相同参数的模型进行预测.结果显示:预测正确率平均值为96.23％,决定系数平均值为0.99,均方根误差平均值为0.22.这说明高光谱图像技术结合BP神经网络快速预测油炸薯片中CML含量具有可行性.