留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

应中央军委要求,2022年9月起,《药学实践杂志》将更名为《药学实践与服务》,双月刊,正文96页;2023年1月起,拟出版月刊,正文64页,数据库收录情况与原《药学实践杂志》相同。欢迎作者踊跃投稿!

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

郭云香 陈龙 李晓瑾 王果平 蒋益萍 辛海量 贾晓光

郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
引用本文: 郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
Citation: GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

doi: 10.3969/j.issn.1006-0111.2019.04.008
基金项目: 国家自然科学基金(U1603283)

Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm

计量
  • 文章访问数:  3925
  • HTML全文浏览量:  531
  • PDF下载量:  405
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-09
  • 修回日期:  2019-05-14

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

doi: 10.3969/j.issn.1006-0111.2019.04.008
    基金项目:  国家自然科学基金(U1603283)

摘要: 目的 利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。 方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000~12 500 cm-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~4 100 cm-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。 结果 在6500~5400 cm-1谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。 结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。

English Abstract

郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
引用本文: 郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
Citation: GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
参考文献 (18)

目录

    /

    返回文章
    返回