基于近红外光谱的纽荷尔脐橙产地识别研究.pdfVIP

中国农业科学 2015,48(20):4111-4119 Scientia Agricultura Sinica doi: 10.3864/j.issn.0578-1752.2015.20.012 基于近红外光谱的纽荷尔脐橙产地识别研究 1,2 1 1 2 1,2 1 1 1 1 廖秋红 ，何绍兰 ，谢让金 ，钱 春 ，胡德玉 ，吕 强 ，易时来 ，郑永强 ，邓 烈 1 2 （中国农业科学院柑桔研究所/西南大学柑桔研究所/ 国家柑桔工程技术研究中心，重庆 400712 ； 西南大学园艺园林学院，重庆 400715 ） 摘要： 【目的】中国柑橘产区分布广、生态类型复杂，不同产地纽荷尔脐橙果实品质和市场效应具有较大差 异。研究基于近红外光谱技术的柑橘产地识别技术，利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方 17个纽荷尔脐橙主要产地选择代表性成年果园，分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪 采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱，光谱波长范围为 1 000—2 499 nm。采用主成 分分析法对原始光谱数据进行预处理，提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经 网络理论，构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的 3 层人工神经网 络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型，构建由 126 个分类器 组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性，利用遗传算法从光谱主成分中选择出 最优的特征基因子集作为支持向量机的输入，构建遗传算法-支持向量机模型。利用 3 种模型分别对果汁滤液的 近红外反射光谱数据进行分类，从而实现产地识别测试，并根据产地识别精度筛选出最优的产地识别模型。进 一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度，从而确定识别精度最高的光谱数据采 集源。【结果】利用所建立的 3 层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试， 确定当输入神经元数量为 11、隐藏神经元数量为 13 时，模型对果实产地识别的最佳精度达 81.45%。采用一对 一扩展方式建立支持向量机产地识别模型，研究确定采用径向基函数作为核函数，当主成分数量为 20 时，脐橙 产地识别精度最高可达 86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别，确定当种群 数量为 200、遗传代数为 100、交叉概率 0.7、突变概率 0.01 时，遗传算法选择出最优的基因子集进行产地识 别，遗传算法-支持向量机模型的产地识别精度最高可达 89.72%，优于人工神经网络分类模型和支持向量机分 类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进 行产地识别测试，得到对应的最高识别精度分别为 80.00%和 69.00%。【结论】遗传算法-支持向量机模型对果 汁反射近红外光谱进行产地识别精度最高，优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反 射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱，因此，可利用赤道部的反射光谱实现 非破坏性果实产地分类识别。 关键词：纽荷尔脐橙；产地识别；近红外光谱；主成分分析；人工神经网络；支持向量机；遗传算法 Study on Producing Area Classification of Newhall Navel Orange Based on the Near Infrared Spectroscopy 1,2 1 1 2 1,2 1