基于主成分分析与神经网络的近红外光谱苹果品种鉴别方法研究.pdfVIP

第26卷，第5期 光谱学与光谱分析 2o06年5月 and SpectroscopySpectr．alAnalysis May，2006 基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究 何 勇，李晓丽，邵咏妮 浙江大学生物工程与食品科学学院，浙江杭州 310029 摘要提出了一种用近红外光谱技术快速鉴别苹果品种的新方法，首先用主成分分析法对苹果品种进行 聚类分析并获取苹果的近红外指纹图谱，再结合人工神经网络技术进行品种鉴别。主成分分析表明，主成 分1和主成分2的累积可信度已达98％，以主成分1和2对所有建模样本的得分值做出的得分图，对不同种 类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段，用特 征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神 经网络模型，余下的共15个用于预测。对未知的15个样本进行预测，品种识别准确率达到100％。说明文 章提出的方法具有很好的分类和鉴别作用，为苹果的品种鉴别提供了一种新方法。 主题词近红外光谱；苹果；主成分分析；人工神经网络；聚类 中图分类号：S123；TH744．1文献标识码：A 文章编号：1000—0593(2006)05一0850—04 层结构的误差反向传播学习算法(BP)，并且已经证明此种模 引 言 型可以逼近任何连续的非线性曲线[7]。主成分分析是多元统 计中的一种数据挖掘技术。在不丢失主要光谱信息的前提下 苹果是我国主要的水果之一，苹果的产后处理、品质判 选择为数较少的新变量来代替原来较多的变量，解决了由于 断及检测一直是农产品加工研究的重要课题。从苹果的大 谱带的重叠而无法分析的困难。我们选用主成分分析(PCA) 小、颜色、外观形状等外部品质到口感、糖分含量、酸度和 和基于误差反向传播算法(back 维生素含量等内部品质，都得到了广泛重视。国内外学者利 神经网络建立不同品种苹果的近红外光谱鉴别模型。通过平 用近红外光谱技术在苹果糖分含量、酸度无损检测方面做过 scatter 滑和MSC(multiplicative 大量的研究，也研制出了基于高光谱技术的针对苹果大小、 法消除噪声，并优化光谱的波长范围[8]。在主成分分析的基 颜色等外部品质的自动分级机[1]，但是对于苹果品种鉴别方 础上得到对于品种敏感的指纹图谱[2]，即550～565啪和 650～690 面的研究还做得很少。随着水果产后处理技术的发展，品种 m波长区域；把该区域的光谱反射值作为多层前 鉴别将越来越突出它的必要性，所以研究一种简单、快速、 馈神经网络的输入，建立BP神经网络苹果品种鉴别模型。 非破坏的苹果品种鉴别技术是很有必要的，本文以光谱技术 为基础研究了苹果的品种鉴别。 1材料与方法 现代近红外光谱分析技术，可充分利用全谱段或多波长 下的光谱数据进行定性或定量分析。由于近红外光谱分析技 1．1仪器设备 术具有速度快、效率高、成本低、测试重现性好、测量方便 实验使用美国ASD(analyticalspectraldevice)公司的 等特点，已经被越来越多地应用于食品工业、石油化工、制 HandheldField spec光谱仪，其光谱采样间隔(波段宽)1．5