文献类型：期刊文章

作　　者：张立欣[1,2] 杨翠芳[1] 陈杰[1] 张晓果[3] 张楠楠[1] 张晓[1]

ZHANG Lixin;YANG Cuifang;CHEN Jie;ZHANG Xiaoguo;ZHANG Nannan;ZHANG Xiao(College of Information Engineering,Tarim University,Alar Xinjiang Uygur Autonomous Region,Alaer 843300,China;School of Science,Nanjing University of Science and Technology,Nanjing 210094,China;School of Mathematics and Physics,Henan University of Urban Construction,Pingdingshan 467036,China)

机构地区：[1]塔里木大学信息工程学院,新疆维吾尔自治区阿拉尔843300 [2]南京理工大学理学院,江苏南京210094 [3]河南城建学院数理学院,河南平顶山467036

出　　处：《食品与发酵工业》

基　　金：塔里木大学校长基金(TDZKSS202006);国家自然科学基金(31960503);塔里木大学农业工程实验室重点项目(TDNG20180301);塔里木大学-中国农业大学联合基金(ZNLH202102)。

年　　份：2022

卷　　号：48

期　　号：20

起止页码：36-43

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为实现对红富士苹果的产地溯源,采集阿克苏、静宁、灵宝、烟台的红富士苹果近红外光谱数据,分别采用归一化、中心化、一阶导数、二阶导数、标准正态变换、多元散射校正(multivariate scattering correction,MSC)、小波变换、SG平滑变换、傅里叶变换等9种方法对原始光谱进行预处理,建立概率神经网络(probabilistic neural network,PNN)模型对苹果的产地进行识别。结果表明,MSC预处理之后的模型总准确率最高,为97.5%,阿克苏、静宁、灵宝、烟台4个产地的准确率分别为100%、100%、90%、100%。为简化模型,对MSC预处理之后的光谱数据分别采用主成分法、连续投影算法(successive projection algorithm,SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(random frog,RF)、CARS-SPA、RF-SPA选取特征变量建模。综合考虑正确率和模型的复杂性,最优模型MSC-CARS-SPA-PNN的测试集的总准确率为98.75%,4个产地的红富士苹果准确率分别达到了100%、100%、95%、100%。该研究可为红富士苹果的产地溯源提供理论参考。

关 键 词：苹果 近红外光谱 概率神经网络 连续投影算法 竞争性自适应重加权算法  

分 类 号：O657.33] TS255.7[化学类]