拉曼光谱结合机器学习对植物油的分类鉴别

拉曼光谱结合机器学习对植物油的分类鉴别
苏东斌;秦嘉桧;李开开
【期刊名称】《食品与发酵工业》
【年(卷),期】2024(50)6
【摘要】该研究采集了六类(38个品牌)常见植物油的551份拉曼光谱,并根据光谱数据分别建立了正交偏最小二乘判别和支持向量机模型,对比了连续投影法和竞争性自适应重加权采样法对模型识别正确率的影响。

基于算法改进的偏最小二乘判别模型的总体预测准确率为82.53%、83.13%,低于基于全光谱数据建立的偏最小二乘判别模型。

竞争性自适应重加权采样法结合支持向量机对玉米油、橄榄油、葵花籽油和芝麻油的品牌分类测试集正确率均达到100%;椰子油和花生油的测试集正确率为22.22%、63.64%。

两类特征提取算法均可以减少建立分类模型所需的变量数目和计算资源,但以提取后变量建立分类模型可能会导致识别正确率下降。

在解决样本间相似度较高的多分类问题时,支持向量机模型优于正交偏最小二乘判别模型。

正确率差异可能和生产商所使用的生产工艺以及植物油原料相关。

面对案件侦办中品牌种类多样的油脂物证,基于拉曼光谱分析和特征提取算法的支持向量机模型可为可食用植物油的无损快速检验提供一定的参考与借鉴。

【总页数】8页(P274-281)
【作者】苏东斌;秦嘉桧;李开开
【作者单位】中国人民公安大学侦查学院;中国人民公安大学研究生院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于拉曼光谱的食用植物油快速鉴别
2.密度泛函理论结合拉曼光谱法对大豆品种的分类鉴别
3.基于拉曼光谱和机器学习的百合分类识别
4.拉曼光谱结合机器学习对面巾纸类物证的分类研究
5.激光拉曼光谱结合偏最小二乘法快速测定植物油碘值
因版权原因，仅展示原文概要，查看原文内容请购买。