分子光谱技术结合深度学习模型识别食用植物油种类

• 作者: 汤睿阳 王继芬 中国人民公安大学侦查学院
• 来源期刊: 中国油脂
• 关键词: 食用植物油 分子光谱 深度学习 种类识别
• 年，卷（期）: 2024,（10）
• 所属期刊栏目: 油脂鉴别
• 页码范围: 132-137
• 页数: 6页
• 语种: 中文
• DOI: 10.19902/j.cnki.zgyz.1003-7969.220460

摘要

为实现对食用植物油的快速无损识别，采用衰减全反射-傅里叶变换红外光谱获取10种食用植物油样本的340份谱图数据，经过预处理消除光谱数据中的噪声与背景干扰，通过主成分分析降维特征提取3个主成分，在此基础上构建KNN模型与基于SSA算法优化的BP神经网络模型，对植物油种类进行识别并对识别效果进行比较。结果表明：KNN模型的识别准确率可达97.7%;基于SSA算法优化的BP神经网络分类效果最佳，识别准确率达100%,而传统BP神经网络模型识别准确率仅为87.6%。综上，建立的分子光谱技术结合深度学习模型识别食用植物油种类的新方法，实现了对食用植物油种类的准确识别。