近红外光谱柑橘货架期的快速鉴别模型——基于主成分分析神经网络

被引：9

作者：

刘辉军 ^{[1
]}

李文军 ^{[1
]}

吕进 ^{[1
]}

吴向峰 ^{[2
]}

机构：

[1] 中国计量学院计量技术工程学院

[2] 福建出入境检验检疫局

来源：

农机化研究 | 2009年 / 31卷 / 05期

关键词：

近红外光谱; 主成分分析; 径向神经网络; 柑橘; 货架期;

D O I：

10.13427/j.cnki.njyi.2009.05.007

中图分类号：

TS255.7 [果蔬加工品标准与检验];

学科分类号：

083203 ;

摘要：

利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究。在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型。所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上。结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别。

引用

页码：174 / 176+179 +179

页数：4

共 11 条

[1] 食品货架期概述及其预测 [J].

余亚英 ;

袁唯 .

中国食品添加剂, 2007, (05) :77-79+76

[2] 电子鼻对苹果货架期质量的评价 [J].

张晓华 ;

张东星 ;

刘远方 ;

常伟 ;

李阳 ;

李景明 ;

倪元颖 .

食品与发酵工业, 2007, (06) :20-23

[3] 寿命可靠性计算在食品货架期分析中的初步应用 [J].

曹平 ;

于燕波 ;

李培荣 ;

马长伟 .

食品与发酵工业, 2007, (01) :154-158

[4] 预报微生物学及其在食品货架期预测领域的研究进展 [J].

肖琳琳 ;

张凤英 ;

杨宪时 ;

许钟 .

海洋渔业, 2005, (01) :68-73

[5] 利用近红外分光法非破坏测定水果内部质量 [J].

前田弘 ;

江涛 .

红外, 2001, (02) :33-37

[6]

近红外光谱分析基础与应用[M]. 中国轻工业出版社 , 严衍禄主编, 2005

[7] Comparing density and VNIR methods for predicting quality parameters of yellow-fleshed kiwifruit (Actinidia chinensis) [J].

McGlone, V. Andrew ;

Clark, Christopher J. ;

Jordan, Robert B. .

POSTHARVEST BIOLOGY AND TECHNOLOGY, 2007, 46 (01) :1-9

[8]

Discrimination of storage duration of apples stored in cooled room and shelflife by visible-nearinfrared spectroscopy[J] . C. Camps,P. Guillermin,J. Mauget,D. Bertrand.Journal of Near Infrared Spectroscopy . 2007 (3)

[9] Determination of mango physiological indices by near-infrared spectrometry [J].

Schmilovitch, Z ;

Mizrach, A ;

Hoffman, A ;

Egozi, H ;

Fuchs, Y .

POSTHARVEST BIOLOGY AND TECHNOLOGY, 2000, 19 (03) :245-252

[10]

Linear and non-linear pattern recognition models for classification of fruit from visible–near infrared spectra[J] . Jaesoo Kim,Alistair Mowat,Philip Poole,Nikola Kasabov.Chemometrics and Intelligent Laboratory Systems . 2000 (2)

← 1 2 →