文献类型：期刊文章

作　　者：李珊珊[1] 张付杰[1] 李丽霞[1] 张浩[1] 段星桅[1] 史磊[2] 崔秀明[1] 李小青[3]

LI Shanshan;ZHANG Fujie;LI Lixia;ZHANG Hao;DUAN Xingwei;SHI Lei;CUI Xiuming;LI Xiaoqing(Faculty of Modern Agricultural Engineering,Kunming University of Science and Technology,Kunming 650500,China;School of Electrical and Information Engineering,Jiangsu University,Zhenjiang 212000,China;Chinese People’s Liberation Army Unit 69223,Aksu 842300,China)

机构地区：[1]昆明理工大学现代农业工程学院,云南昆明650500 [2]江苏大学电气信息工程学院,江苏镇江212000 [3]中国人民解放军69223部队,新疆阿克苏842300

出　　处：《食品科学》

基　　金：云药之乡产业技术创新体系构建及应用项目(202102AA310045)。

年　　份：2024

卷　　号：45

期　　号：4

起止页码：207-213

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、DOAJ、EAPJ、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现对天麻中天麻素和对羟基苯甲醇含量的快速、无损检测,以云南昭通乌天麻为实验对象,采集900~1 700 nm波长范围内的光谱数据。首先,采用卷积平滑和标准正态变量变换进行光谱数据预处理,其次通过竞争性自适应重加权采样法(competitive adapative reweighted sampling,CARS)与迭代保留信息变量算法进行特征波长的提取,根据基于特征波长建立最小二乘支持向量回归(least squares support vector machine,LSSVR)模型的结果,选择最佳特征波长提取方法。为了提高模型的准确率,本研究引入人工兔智能算法对LSSVR中的正则化参数γ和核函数密度σ2进行优化,并与粒子群优化算法(particle swarm optimization,PSO)、灰狼优化算法(grey wolf optimizer,GWO)进行对比,评估人工兔优化算法(artificial rabbits optimization,ARO)的优越性。结果表明,ARO算法在寻优速度、寻优能力上优于PSO、GWO;天麻素、对羟基苯甲醇的最佳预测模型均为CARS-AROLSSVR,其Rp2分别为0.969 6和0.957 7,预测均方根误差分别为0.014和0.020。综上,近红外光谱可用于天麻中有效成分的定量检测,本研究可为天麻快速检测装置的研发提供理论依据。

关 键 词：近红外光谱 天麻 最小二乘支持向量回归  人工兔优化算法  

分 类 号：O657.33] R282.5[化学类]