文献类型： 中文期刊

作者： 姚森 ¹ ; 李涛 ² ; 刘鸿高 ² ; 李杰庆 ² ; 王元忠 ³ ;

作者机构： 1.云南农业大学农学与生物技术学院;云南省农业科学院药用植物研究所;玉溪师范学院资源环境学院;云南省省级中药原料质量检测技术服务中心

2.;云南农业大学农学与生物技术学院;云南省农业科学院药用植物研究所;玉溪师范学院资源环境学院;云南省省级中药原料质量检测技术服务中心

3.;云南农业大学农学与生物技术学院;云南省农业科学院药用植物研究所;玉溪师范学院资源环境学院;云南省省级中药原料质量检测技术服务中心;

关键词： 数据融合;绒柄牛肝菌;产地鉴别;紫外光谱;红外光谱

期刊名称： 食品科学

ISSN： 1002-6630

年卷期： 2018 年 08 期

页码： 212-217

收录情况： EI ; 北大核心 ; CSCD

摘要： 采集5个产地96份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机(support vector machine,SVM)判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。