| 基于近红外光谱的掺伪油茶籽油检测 |
| |
| 引用本文： | 郭文川,朱德宽,张乾,杜荣宇.基于近红外光谱的掺伪油茶籽油检测[J].农业机械学报,2020,51(9):350-357. |
| |
| 作者姓名： | 郭文川 朱德宽 张乾 杜荣宇 |
| |
| 作者单位： | 西北农林科技大学机械与电子工程学院,陕西杨凌712100;农业农村部农业物联网重点实验室,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100 |
| |
| 基金项目： | 国家自然科学基金面上项目（31772065）和国家级大学生创新创业训练计划项目（201810712028） |
| |
| 摘 要： | 为了探索采用近红外光谱技术检测掺伪油茶籽油的潜力,以12个产地的玉米油、花生油、菜籽油和大豆油为掺杂油,以5个产地的油茶籽油为被掺杂油,制备了455份掺伪质量分数为0、1%、3%、6%、10%、15%和20%的掺伪油茶籽油,采集了所制备样品在833～2 500 nm范围内的近红外光谱。对采集的近红外光谱进行多元散射校正处理后,应用Kennard-Stone样本划分法按2∶1的比例将样本划分为校正集和测试集。采用连续投影算法(SPA)、无信息变量消除算法和竞争性自适应重加权算法提取表征掺伪油茶籽油样本的特征波长,并建立判别掺伪油茶籽油样品的支持向量机(SVM)和随机森林(RF)模型。研究结果表明,SVM模型具有较高的灵敏度,RF模型具有良好的特异性。基于SPA提取的9个特征波长所建立的RF模型的识别准确率最高,为99.34%,对掺伪质量分数为1%的掺伪油茶籽油的识别准确率达到94.74%,对掺伪质量分数为3%及以上的掺伪油茶籽油的识别准确率达到100%。本研究为掺伪油茶籽油检测仪的研发提供了基础数据。
|
| 关 键 词： | 油茶籽油 近红外光谱 特征波长 支持向量机 随机森林 |
| 收稿时间： | 2019/11/6 0:00:00 |
Detection on Adulterated Oil-tea Camellia Seed Oil Based on Near-infrared Spectroscopy |
| |
| GUO Wenchuan,ZHU Dekuan,ZHANG Qian,DU Rongyu.Detection on Adulterated Oil-tea Camellia Seed Oil Based on Near-infrared Spectroscopy[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(9):350-357. |
| |
| Authors: | GUO Wenchuan ZHU Dekuan ZHANG Qian DU Rongyu |
| |
| Institution: | Northwest A&F University |
| |
| Abstract: | |
| |
| Keywords: | oil-tea camellia seed oil near-infrared spectroscopy characteristic wavelength support vector machine random forest |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
