基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化

作     者：段宇飞 王巧华 DUAN Yufei;WANG Qiaohua

作者机构：湖北工业大学农机工程研究设计院湖北武汉430068 华中农业大学工学院湖北武汉430070 国家蛋品加工技术研发分中心湖北武汉430070 

基　　金：国家自然科学基金面上项目(31371771,31871863) “十二五”国家科技支撑计划项目(2015BAD19B05) 湖北工业大学科研启动基金项目(BSQD2017076) 

出 版 物：《食品科学》 (Food Science)

年 卷 期：2020年第41卷第12期

页      码：273-278页

摘      要：为有效提高鸡蛋新鲜度检测效率、优化检测模型,本研究结合波长特征选择和特征提取方法各自的优点,对二者进行有效融合共同优化鸡蛋新鲜度检测模型。利用一阶微分对550~950 nm范围内鸡蛋的可见-近红外透射光谱数据进行预处理,考虑到冗余光谱信息对模型精度的影响,使用特征选择方法中的竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)算法融合非线性特征提取局部切空间排列(local tangent space alignment,LTSA)算法最小化光谱无用信息,建立支持向量机回归(support vector regression,SVR)模型,结果表明单一使用CARS特征波长选择建立模型得到训练集交叉验证相关系数(Rcv)为0.8805,交叉验证均方根误差(root mean square error of cross validation,RMSECV)为8.59,预测集相关系数(Rp)为0.8889,预测集均方根误差(root mean square error of prediction,RMSEP)为8.42,融合LTSA特征提取方法后得到Rcv为0.8960,RMSECV为8.04,Rp为0.8983,RMSEP为8.18,与CARS-SVR模型相比较,融合模型预测精度均有所提高,同时数据维数再次减少14个,进一步简化了预测模型。研究表明,将特征选择与特征提取二者融合共同应用于鸡蛋可见-近红外光谱数据,不仅提升了光谱检测效率,而且提高了鸡蛋新鲜度预测模型精度,可为鸡蛋新鲜度光谱检测模型优化提供参考依据。

主 题 词：鸡蛋 可见-近红外光谱 特征选择 特征提取 优化 新鲜度 

学科分类：081704[081704] 07[理学] 08[工学] 0817[工学-轻工类] 070302[070302] 0703[理学-化学类] 

核心收录：

D　O　I：10.7506/spkx1002-6630-20190213-060

馆 藏 号：203944071...