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 TANG Ruiyang;WANG Jifen

作者机构：中国人民公安大学侦查学院北京102600 

出 版 物：《中国油脂》 (China Oils and Fats)

年 卷 期：2023年第48卷第10期

页      面：116-121页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 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] 083202[工学-粮食、油脂及植物蛋白工程] 

主　　题：食用植物油 分子光谱 深度学习 种类识别 

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。