基于近红外光谱技术的淡水鱼品种快速鉴别

• Published in: 农业工程学报 Vol. 30; no. 1; pp. 253 - 261
• Main Author: 徐文杰 刘茹 洪响声 熊善柏
• Format: Journal Article
• Language: Chinese
• Published: 华中农业大学食品科学技术学院，武汉 430070 2014; 国家大宗淡水鱼加工技术研发分中心 武汉，武汉 430070%华中农业大学水产学院,武汉,430070
• Subjects: 主成分分析; 人工神经网络; 偏最小二乘; 品种; 近红外光谱; 鉴别; 鱼; 主成分分析; artificial neural network (ANN); 人工神经网络; 鉴别; 近红外光谱; 品种; principal component analysis (PCA); 偏最小二乘; partial least square (PLS); near infrared spectroscopy (NIRS); identification; variety; fish; 鱼
• ISSN: 1002-6819
• DOI: 10.3969/j.issn.1002-6819.2014.01.032

为探索淡水鱼品种的快速鉴别方法，该文应用近红外光谱分析技术，结合化学计量学方法，对7种淡水鱼品种的判别分类进行了研究。采集了青、草、鲢、鳙、鲤、鲫、鲂等7种淡水鱼，共665个鱼肉样品的近红外光谱数据，经过多元散射校正（multiplicative scatter correction，MSC）、正交信号校正（orthogonal signal correction， OSC）、数据标准化（standardization，S）等20种方法预处理，在1000～1799 nm范围内分别采用偏最小二乘法（partial least square，PLS）、主成分分析（principal component analysis，PCA）和BP人工神经网络技术（back propagation artificial neural network，BP-ANN）、偏最小二乘法和BP人工神经网络技术对7种淡水鱼原始光谱数据进行了鉴别分析。结果表明，近红外光谱数据，结合主成分分析和 BP 人工神经网络技术建立的淡水鱼品种鉴别模型最优，模型的鉴别准确率达96.4%，对未知样本的鉴别准确率达95.5%。模型具有较好的鉴别能力，采用该方法能较为准确、快速地鉴别出淡水鱼的品种。