【摘要】：針對(duì)食用油中單不飽和脂肪酸(MUFA)和多不飽和脂肪酸(PUFA)含量的快速檢測(cè)問題,研究探索應(yīng)用拉曼(Raman)和近紅外(NIR)光譜以及特征層數(shù)據(jù)的融合,結(jié)合化學(xué)計(jì)量學(xué)分析,建立食用油MUFA和PUFA含量預(yù)測(cè)模型。重點(diǎn)研究各種預(yù)處理算法對(duì)模型預(yù)測(cè)能力的影響。應(yīng)用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(CARS)提取Raman和NIR光譜的特征波長(zhǎng),應(yīng)用網(wǎng)格搜索(GS)算法選取支持向量機(jī)回歸(SVR)模型的參數(shù)組合(C,g)值,分別建立基于拉曼和近紅外光譜的特征波段的SVR預(yù)測(cè)模型;建立基于特征層的多源光譜融合的SVR預(yù)測(cè)模型。試驗(yàn)表明,基于特征層融合建立的Raman-NIR-SVR模型能夠?qū)崿F(xiàn)食用油MUFA和PUFA含量的快速預(yù)測(cè),且預(yù)測(cè)效果更優(yōu)。其中預(yù)測(cè)MUFA含量的SG15-ALS-Nor-CARS-MSC-CARSSVR模型的預(yù)測(cè)集決定系數(shù)R2為0.977 3,與單光譜中最優(yōu)含量預(yù)測(cè)模型相比增加了2.43%;而預(yù)測(cè)PUFA含量的MA11-air PLS-Nor-CARS-MSC-CARS-SVR模型的預(yù)測(cè)集R2為0.993 0,比較最優(yōu)單光譜數(shù)據(jù)建立的SVR模型增加了2.57%。結(jié)果表明,采用特征層融合方法建立的含量預(yù)測(cè)模型的綜合性能優(yōu)于基于單光譜數(shù)據(jù)建立的模型。
，

本文編號(hào)：2577488