贾 丹I, 明米娜, 雷蕾², 周锐³, 侯金亮⁴
摘要 (
)
PDF全文 (
)
可视化
收藏
植物油种类的准确鉴别对油品的质量控制、欺诈检测、营养健康及粮油贸易等领域具有重要的意义。 准确、快速鉴别植物油的种类对保证油品质量和维护市场监督至关重要。本文提出一种主成分分析结合蚁群 优化支持向量机(Principal component analysis-Ant colony optimization-Support vector machine,PCA-ACO- SVM) 算法结合傅里叶红外光谱(Fourier transform infrared spectroscopy,FTIR)技术快速识别植物油种类。 实验采集了6种不同种类的植物油,并利用FTIR 测量了样品的吸收、透射红外光谱。通过PCA 对红外光谱 数据进行降维,实现油品红外光谱特征的提取。运用ACO-SVM 分类算法的核心参数进行参数优化,优化后
的 SVM 分类模型核心参数C=1.1024043 和 Gamma=0.1476193 。 在该研究中使用PCA-ACO-SVM 算 法
建立了植物油种类的识别模型。利用已知种类的油品进行分类模型训练和参数优化,进一步应用该模型对未 知油品进行识别,通过与其他算法的对比,验证PCA-ACO-SVM 算法在植物油种类识别中的准确性和高效 率。结果表明PCA-ACO-SVM 算法结合FTIR 技术能够快速、准确地对植物油的种类进行识别。该方法不 仅具有较高的分类准确率,而且在数据处理方面表现出较高的运算效率,非常适合大规模植物油种类识别的 实际应用。综上所述,本文提出的PCA-ACO-SVM 算法结合FTIR 技术为植物油种类的快速识别提供了一 种可行的解决方案,具有较高的效率和准确率。该方案在食品工业和质量监管等方面具有广阔的应用前景, 并对植物油的质量监管具有重要意义。