该文采用傅里叶变换中红外光谱和矿质元素信息结合多种特征变量选取方法,建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型实现冰糖橙的产地鉴别,并通过低级和中级两种数据融合策略进一步提高鉴别能力...该文采用傅里叶变换中红外光谱和矿质元素信息结合多种特征变量选取方法,建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型实现冰糖橙的产地鉴别,并通过低级和中级两种数据融合策略进一步提高鉴别能力。结果显示,冰糖橙的中红外吸收峰主要与糖类和蛋白质有关,不同产地冰糖橙的中红外光谱在糖类相关的吸收峰上存在差异。不同产地冰糖橙的矿质元素含量有所不同,其中Fe、K、Mg、P、Se 5种矿质元素在4个产地的冰糖橙之间呈现显著性差异。采用变量投影重要性指标、反向区间偏最小二乘法和组合区间偏最小二乘法等特征变量选取方法可以提高产地鉴别模型的正确率。与使用单一技术获得数据建立的PLS-DA模型相比,使用中级数据融合策略建立的模型在训练集和测试集上分别取得98%和100%的正确率。研究表明中红外光谱和矿质元素信息都能反映不同产地冰糖橙间的差异,基于中级数据融合策略融合两种信息建立的PLS-DA模型能够实现冰糖橙产地的准确鉴别,可以作为冰糖橙溯源研究的一种可靠方法。展开更多
