红外光谱快速识别食用植物油种类的研究

• 作者: 接昭玮 李绅 汪睿璇 王继芬 张震 徐晓杰 周娣 石学军
• 来源期刊: 中国油脂
• 关键词: 食用植物油 红外光谱 特征提取 CARS-CS-ELM 随机森林 分类识别
• 年，卷（期）: 2024,（7）
• 所属期刊栏目: 油脂安全
• 页码范围: 65-70
• 页数: 6页
• 语种: 中文
• DOI: 10.19902/j.cnki.zgyz.1003-7969.220396

摘要

为实现食用植物油种类的快速无损识别，为公安实战中打击“食药环”犯罪提供参考，借助衰减全反射-傅里叶变换红外光谱技术对不同类别、品牌食用植物油进行了多层次分类识别工作。采用标准正态变换(SNV)和一阶导数预处理消除基线和其他背景干扰，使得重叠峰发生分离，从而提高检测的分辨率和灵敏度，利用竞争性自适应重加权算法(CARS)提取特征波长，结合基于布谷鸟搜索算法优化的极限学习机(CS-ELM)模型对不同种类和品牌的食用植物油进行分类识别，同时对比随机森林模型与CARS-CS-ELM融合模型在食用植物油快速分类检测方面的准确率。结果表明，基于CARS-CS-ELM融合模型对3类植物油样本总体进行分类，其分类准确率达到85.19%,其中小磨香油、花生油、玉米油样本训练集的品牌分类准确率依次为92.5%、100%、96.7%,测试集品牌分类准确率均为100%,而随机森林模型的9个品牌食用植物油分类准确率仅为80%。综上，CARS-CS-ELM融合模型对食用植物油快速分类识别效果较好，可为食用植物油的无损快速检验提供一定的参考与借鉴。