基于近紅外光譜技術的香榧產(chǎn)地分級方法研究.pdf

1、香榧果實營養(yǎng)豐富，具有特殊的酚香氣味，在干果市場上香榧的價格也比較高，因此很多不法商家出售自家種植的香榧或者出售次等香榧，卻用知名地域標識的品牌包裝袋包裝，以次充好，弄虛作假，擾亂了正常的香榧市場秩序。傳統(tǒng)的方法耗時耗力，為快速鑒別出是否具有產(chǎn)地認證標志的香榧，本文首次利用近紅外光譜技術結合化學計量統(tǒng)計方法對不同產(chǎn)地的香榧做判別分析研究。
　　本研究通過近紅外漫反射光譜儀采集臨安、紹興、嵊州三地的香榧樣品各100個，剔除異常的香榧

2、，然后將香榧樣品按照3∶1比例采用Random Sampling（RS法）劃分校正集和預測集，校正樣本84個，預測樣本28個。選取4000～10000cm-1波段，對光譜進行一階導數(shù)(FD)、多元散射校正(MSC)等預處理，然后運用PCA-DA、KNN、PLS-DA、LS-SVM、SIMCA法建立判別模型，比較這5種模型的建模效果。
　　結果表明:最小二乘支持向量機法(LS-SVM)和主成分（PCA-LDA）法的建模效果最好，在L

3、S-SVM模型中，F(xiàn)D和MSC+FD預處理下的校正集正確識別率為100％，預測集正確識別率96.43％;在PCA-LDA的模型中，F(xiàn)D預處理下的校正集的正確識別率為98.81％，測試集的正確識別率為100.00％;在PLS-DA的模型中，MSC+FD和FD預處理方法下建模集的正確識別率不低于90％，校正集的正確識別率都為100.00％;在KNN和SIMCA的模型中，建模集和測試集的平均正確識別率都低于70％。
　　實驗結果證明:利