基于可见-近红外光谱和化学计量学的带壳香榧坏籽快速识别

作     者：翁定康 范郑欣 孔令飞 孙通 喻卫武 WENG Ding-kang;FAN Zheng-xin;KONG Ling-fei;SUN Tong;YU Wei-wu

作者机构：浙江农林大学光机电工程学院浙江杭州311300 浙江农林大学林业与生物技术学院浙江杭州311300 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2024年第44卷第9期

页      面：2675-2682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）] 0817[工学-化学工程与技术] 08[工学] 0703[理学-化学] 0802[工学-机械工程] 0803[工学-光学工程] 080201[工学-机械制造及其自动化] 083203[工学-农产品加工及贮藏工程] 

基　　金：国家自然科学基金项目(32001414) 浙江省重点研发项目(2020C02019) 浙江省属高校基本科研业务费专项资金项目(2021TD002) 浙江农林大学科研发展基金项目(2019FR033) 浙江省教育厅一般项目(Y202250117)资助 

主　　题：带壳香榧籽 可见-近红外光谱 坏籽 特征波长筛选 

摘      要：带壳香榧籽在后熟处理及炒制过程中会产生无法食用的香榧坏籽,在不破坏外壳的情况下人工无法准确识别和消除,将影响香榧籽整体品质。利用两种近红外光谱仪采集带壳正常香榧籽和香榧坏籽的光谱数据,研究比较8种光谱预处理方法,采用单一波长选择方法(无信息变量消除算法、竞争性自适应重加权采样算法、连续投影算法和子窗口重排分析法)及联合波长选择方法对两个光谱仪的光谱数据进行特征波长筛选,应用线性判别分析(LDA)和支持向量机方法(SVM)建立香榧坏籽的识别模型并比较模型性能的优劣,以确定不同光谱仪下较优的特征波长选择方法。研究结果表明,对于光谱仪1,预处理未能有效提高模型性能,连续投影算法为最优的特征波长选择方法,所建立的LDA和SVM模型的预测集敏感性、特异性及准确率分别为97.10%、95.00%、96.00%和97.10%、97.50%、97.30%,优于全波段模型,建模波长变量数由661个缩减到9个,仅占原波长变量数的1.36%。对于光谱仪2,基线校正为最优的预处理方法,子窗口重排分析法为最优的特征波长选择方法,所建立的LDA和SVM模型的预测集敏感性、特异性及准确率分别为100.00%、92.50%、96.00%和100.00%、95.00%、97.30%,与全波段模型性能一致,建模波长变量数由155个缩减到55个,占原波长变量数的35.48%。近红外光谱技术可以较好地识别带壳香榧坏籽,合适的特征波长选择方法可以有效筛选特征波长,简化模型,并提高模型的准确率和稳定性。研究还发现1000~1300nm光谱波段与香榧籽的淀粉、脂肪和蛋白质含量有关,较适合于带壳香榧坏籽的鉴别。该研究为带壳香榧坏籽的快速无损识别提供一定参考。