小麦霉菌污染支持向量机判别模型的建立 |
| |
引用本文: | 吕都,唐健波,赵绪婷,刘永翔,李俊,陈中爱,王梅,冯亚超. 小麦霉菌污染支持向量机判别模型的建立[J]. 食品研究与开发, 2021, 42(18): 136-141 |
| |
作者姓名: | 吕都 唐健波 赵绪婷 刘永翔 李俊 陈中爱 王梅 冯亚超 |
| |
作者单位: | 贵州省农业科学院生物技术研究所,贵州 贵阳 550006;遵义师范学院生物与农业科技学院,贵州 遵义 563006;叶县食品检验检测中心,河南 平顶山 467200 |
| |
基金项目: | 贵州省农业科学院课题(黔农科院青年基金[2019]10号);贵州省科技计划项目(黔科合支撑[2019]2828号) |
| |
摘 要: | 为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类(support vector machine classification,SVM)方法建立判别模型。结果表明:运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80%。输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100%,交叉验证判别正确率为98.89%。用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明:SVM判别模型对外部验证集样品的判别正确率为100%。该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测。
|
关 键 词: | 近红外光谱;小麦;霉菌;判别;支持向量机 |
收稿时间: | 2021-04-15 |
Rapid Identification of Mold Contamination in Wheat Using Support Vector Machine Classification |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《食品研究与开发》浏览原始摘要信息 |
|
点击此处可从《食品研究与开发》下载全文 |
|