基于可见/近红外高光谱技术和变量优选的枸杞产地快速识别对比研究

摘要

【目的】构建快速、无损、准确的枸杞产地识别模型，为规范交易市场，保护消费者利益，推动枸杞区域品牌化、产业化和可持续发展助力。【方法】本研究利用高光谱成像系统，分别采集宁夏、新疆9个产地2个枸杞品种（宁杞1号、7号）高光谱数据，利用卷积平滑（savitzky-golay smoothing,SG）、区域归一化（area normalize,NM(area)）、单位向量归一化（unit normalize,NM(unit)）、平均归一化（mean normalize,NM(mean)）、SG一阶导数、SG二阶导数、基线校准（baseline,BL）和标准正态变量变换（standard nor-mal variate,SNV）8种方法，对数据进行预处理，再利用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、无信息变量消除算法（uninformative variable elimination,UVE）和变量组合集群分析法（variable combination population analysis,VCPA）3种方法对特征光谱进行波长筛选，最后构建基于偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）和主成分判别分析（principal component analysis discriminant analysis,PCA-DA）的枸杞产地识别模型。【结果】在400～1 000 nm波段范围，经随机法（random select,RS）划分样本、NM(Mean)和NM(Area)预处理后构建的PLS-DA模型预测效果好于900～1 700 nm经NM(area)预处理后构建的PCA-DA模型；400～1 000 nm、900～1 700 nm波段范围，利用竞争性自适应重加权算法（CARS）提取特征波长后构建的两种模型预测效果均最优，但400～1 000 nm波段构建的PLS-DA模型校正集和预测集的准确率均为92%，优于900～1 700 nm的PCADA模型的预测效果。【结论】利用可见/近红外高光谱成像技术可实现不同产地枸杞的快速、无损、精准识别。

关键词

枸杞 / 高光谱成像 / 波段筛选 / 产地识别