基于PLS-自组织竞争神经网络近红外光谱技术对鲜乳和掺假乳的检测方法研究

被引：22

作者：

刘波平 ^{[1
,2
]}

荣菡 ^{[2
]}

邓泽元 ^{[2
]}

罗香 ^{[1
]}

机构：

[1] 江西省分析测试中心

[2] 南昌大学食品科学与技术国家重点实验室

来源：

分析测试学报 | 2008年 / 11期

关键词：

近红外光谱技术; 鲜乳; 掺假乳; 偏最小二乘法; 自组织竞争神经网络;

D O I：

暂无

中图分类号：

TS252.7 [产品标准与检验];

学科分类号：

083203 [农产品加工及贮藏工程];

摘要：

通过偏最小二乘法(partial least squares,PLS)与人工神经网络(artificial neural networks,ANN)联用对鲜乳和掺有植物奶油的牛乳建立识别模型。用PLS法对原始数据进行主成分压缩,采用自组织竞争神经网络建模。取前3个主成分的21个吸收峰值输入网络,学习参数为0.05,网络训练迭代次数为200,模型鉴别准确率达100%。其次建立了植物奶油掺假量的定量检测PLS模型,并采用交互校验和外部检验考察模型的可靠性,模型的校正相关系数为0.996 3,均方估计残差(RMSEC)为0.110;交互校验均方残差(RMSECV)为0.142;应用所建PLS模型对样品中植物奶油添加量进行预测,并对预测值与真值进行配对t检验,结果表明两者差异均不显著。

引用

页码：1147 / 1150+1156 +1156

页数：5

共 7 条

[1]

人工神经网络实用教程.[M].杨建刚编著;.浙江大学出版社.2001,

[2]

Use of artificial neural networks in near-infrared reflectance spectroscopy calibrations for predicting the inclusion percentages of wheat and sunflower meal in compound feedingstuffs [J].