近红外光谱和支持向量机用于凌霄花产地鉴别

作     者：王燕 李颖 叶桦珍 李泳宁 徐杰 林振宇 WANG Yan;LI Ying;YE Huazhen;LI Yongning;XU Jie;LIN Zhenyu

作者机构：福建卫生职业技术学院药学院福建福州350101 厦门海洋职业技术学院海洋生物学院福建厦门361102 江苏省食品药品监督检验研究院江苏南京210019 福州大学食品安全与生物分析教育部重点实验室福建省食品安全分析与检测技术重点实验室福建福州350108 

出 版 物：《福州大学学报（自然科学版）》 (Journal of Fuzhou University(Natural Science Edition))

年 卷 期：2022年第50卷第4期

页      面：568-573页

学科分类：0710[理学-生物学] 071001[理学-植物学] 081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家重点研发计划资助项目(2019YFC1604701) 福建省教育厅中青年教师教育科研项目(JAT191298) 福建省教育厅2018年国内访问学者资助项目 

主　　题：凌霄花 产地鉴别 CARS-SVM模型 近红外光谱 支持向量机 

摘      要：收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.