文献类型：期刊文章

作　　者：庄新港[1,2,3] 王丽丽[1,3] 吴雪原[4] 方家熊[1,3]

机构地区：[1]山东大学光学高等研究中心,山东济南250100 [2]山东大学信息科学与工程学院,山东济南250100 [3]中国科学院上海微系统与信息技术研究所传感技术联合国家重点实验室,上海200050 [4]国家茶叶及农产品检测重点实验室(黄山),安徽黄山245000

出　　处：《红外与毫米波学报》

基　　金：Supported by the State Key Laboratory of Sensor Technology Fund(SKT1202);China Postdoctoral Science Foundation(2012M521319);thecrosswise project "Application of micro NIR spectrograph in the wireless sensornetwork"(2015-1-1273)

年　　份：2016

卷　　号：35

期　　号：2

起止页码：200-205

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、DOAJ、EI(收录号：20162002396574)、IC、JST、RCCSE、SCI(收录号：WOS:000375514900014)、SCI-EXPANDED(收录号：WOS:000375514900014)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.

关 键 词：近红外光谱分析技术 支持向量机 绿茶 产地溯源  

分 类 号：O657.33]