文献类型：期刊文章

作　　者：杨燕[1,2] 聂鹏程[1,3] 杨海清[1,4] 何勇[1]

机构地区：[1]浙江大学生物系统工程与食品科学学院,杭州310029 [2]广西师范大学数学科学学院,南宁530023 [3]南昌航天航空大学电子信息工程学院,南昌330069 [4]浙江工业大学信息工程学院,杭州310029

出　　处：《农业工程学报》

基　　金：国家高技术研究发展计划("863"计划)项目(2006AA10Z234);公益性行业(农业)科研专项(200803037)

年　　份：2010

卷　　号：26

期　　号：3

起止页码：238-242

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20102012932380)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：蜂蜜蜜源决定了蜂蜜的药用价值。为了实现快速无损识别蜂蜜蜜源,提出了基于可见-近红外光谱技术结合机器学习的方法来实现蜂蜜蜜源的快速无损识别。该研究采集来自4个蜜源共232份蜂蜜样本光谱数据,随机选取其中212个样本用来构建分类器,剩余20个样本进行分类器泛化学习能力的检验评估。光谱数据预处理采用基线校正,数据标准化和平滑消除干扰和噪声。基于一对多分类规则,采用主成分分析结合贝叶斯线性判别构造线性多分类器,并就分类效果和泛化学习能力与前向神经网络器构成的非线性分类器进行比较。结果表明:基于主成分分析结合贝叶斯线性判别构造的多分类器分类正确率为91.95%,前向神经网络的分类正确率为100%。该研究也表明应用可见-近红外技术对蜂蜜蜜源进行快速分类是可行的。

关 键 词：近红外光谱 模式识别 主成分分析 贝叶斯线性判别  蜜源

分 类 号：O43] TP3]