核极限学习机和激光诱导荧光技术在食用油识别中的应用

作     者：周孟然 王锦国 宋红萍 胡锋 来文豪 卞凯 Zhou Mengran;Wang Jinguo;Song Hongping;Hu Feng;Lai Wenhao;Bian Kai

作者机构：安徽理工大学电气与信息工程学院安徽淮南232001 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2020年第57卷第20期

页      面：379-385页

核心收录：

学科分类：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(2018YFC0604503) 国家安全生产重大事故防治关键技术科技项目(anhui-0001-2016AQ) 安徽省青年科学基金(1808085QE157) 

主　　题：光谱学 激光诱导荧光技术 主成分分析法 飞蛾-扑火优化算法 核极限学习机 

摘      要：针对现有的食用油检测技术无法快速、准确地识别市售食用油的问题,提出了一种快速辨识食用油的方法。采用激光诱导荧光技术(LIF)获取油样的荧光光谱数据,然后采用主成分分析法提取光谱数据的特征信息,之后采用飞蛾-扑火优化器和核极限学习机相结合的算法建立多元分类学习模型,最后用该模型识别油样的类别。实验油样选取5种样本,每种样本采集150组荧光光谱,然后随机抽取600个样本用于学习模型的训练,剩余的150个用于测试训练好的模型。结果表明:在测试集上的平均分类准确率方面,该模型与极限学习机、反向传播神经网络相差不大,但该模型分类准确率的标准差远小于其他两种模型。这说明所建模型具有较稳定的分类性能,可以满足快速鉴别食用油的要求。