近红外光谱结合一类支持向量机算法检测鸡蛋的新鲜度
- 出版年：2010
- 作者：林颢；赵杰文；陈全胜；蔡健荣；周平
- 单位1：江苏大学食品与生物工程学院
- 出生年：1983
- 学历：博士研究生
- 语种：中文
- 作者关键词：近红外光谱；一类支持向量机；检测；鸡蛋；新鲜度
- 起始页：929
- 总页数：4
- 经费资助：国家科技支撑计划项目(2006BAD11A12)资助
- 刊名：光谱学与光谱分析
- 是否内版：否
- 刊频：月刊
- 创刊时间：1981
- 主管单位：中国科学技术协会
- 主办单位：中国光学学会
- 主编：黄本立
- 地址：光谱学与光谱分析期刊社
- 邮编：100081
- 电子信箱：chngpxygpfx@vip.sina.com
- 网址：http://www.gpxygpfx.com
- 卷：30
- 期：4
- 期刊索取号：P342.06220
- 数据库收录：中国物理类、化学类核心期刊；中国科协精品科技期刊；已被国内外CSCD，SCI，Ei，CA，AA，PЖ,MEDLINE等文献机构收录；中国科技论文统计源期刊；中国学术期刊文献统计源期刊
- 核心期刊：物理类、化学类核心期刊
摘要
研究利用近红外光谱技术结合模式识别方法识别鸡蛋的新鲜度，在识别模型建立过程中，引入一类支持向量机(OC-SVM)算法解决新鲜蛋和非新鲜蛋训练样本数量不平衡问题。首先获取鸡蛋在10000～4000cm-1范围内的近红外漫反射光谱，通过主成分分析方法提取光谱数据中的特征信息，优选了3个主成分作为模型的输入向量，然后采用OC-SVM区分新鲜蛋和非新鲜蛋。在模型建立过程中，对相关参数进行了优化，试验结果显示在相同条件下，OC-SVM模型识别结果较传统的支持向量机模型好。最优OC-SVM模型对新鲜蛋和非新鲜蛋的识别率均为80%，传统的支持向量机对新鲜度的识别率为100%，对非新鲜度的识别率却为0%。研究结果表明利用近红外光谱快速识别鸡蛋新鲜度方法是可行的；OC-SVM算法为训练样本数量不平衡提供了一种有效的解决方法。