典型文献
基于可见/近红外光谱的蓝莓新鲜度快速评价
文献摘要：
该研究针对传统人工感官评价方法的不足,基于可见/近红外光谱技术结合支持向量机(support vector machine,SVM)和随机森林(random forest,RF)建立了2种新鲜度快速评价模型,以期为蓝莓新鲜度的快速准确评价提供参考.以10℃恒温贮藏绿宝石蓝莓为研究对象,利用可见/近红外光谱仪采集其不同贮藏天数样品的光谱信息,综合考虑贮藏时间、外观、质量损失率、硬度、可溶性固形物和维生素C含量这6个反映蓝莓新鲜度的理化指标,计算新鲜度综合得分,将不同贮藏期的蓝莓样品划分为新鲜、次新鲜和不新鲜3个类别.光谱数据应用Savitz-ky-Golay(S-G)卷积平滑预处理,再采用主成分分析提取光谱特征信息.为使最佳主成分选取更合理,在使用粒子群算法寻优SVM参数时,对主成分个数在[1,20]范围进行了测试,结合5折交叉检验分类准确率最佳值,确定最佳主成分个数为5.以前5个主成分得分为输入变量,新鲜度类别为输出量,基于SVM和RF建立2种新鲜度快速评价模型.结果显示,SVM模型训练集和测试集识别准确率分别为97.78％和88％,RF模型训练集和测试集识别准确率分别为100％和84％,SVM模型优于RF模型.研究表明可见/近红外光谱技术结合主成分分析和SVM可用于蓝莓新鲜度的快速评价.
文献关键词：
可见/近红外光谱;蓝莓;新鲜度;主成分分析;支持向量机;随机森林
中图分类号：
作者姓名：
曾明飞;朱玉杰;冯国红;朱金艳;刘思岐
作者机构：
东北林业大学 工程技术学院,黑龙江 哈尔滨,150040
文献出处：
引用格式：
[1]曾明飞;朱玉杰;冯国红;朱金艳;刘思岐-.基于可见/近红外光谱的蓝莓新鲜度快速评价)[J].食品与发酵工业,2022(20):252-259
A类：
Savitz,ky
B类：
蓝莓,新鲜度,快速评价,传统人工,人工感官,感官评价方法,近红外光谱技术,技术结合,support,vector,machine,random,forest,RF,快速准确,准确评价,恒温,绿宝石,宝石蓝,红外光谱仪,光谱信息,贮藏时间,质量损失率,可溶性固形物,理化指标,综合得分,贮藏期,光谱数据,数据应用,Golay,光谱特征信息,分选,更合,粒子群算法,算法寻优,分个,交叉检验,分类准确率,最佳值,分得,输出量,模型训练,训练集,测试集,识别准确率
AB值：
0.268394
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
