-
题名近红外光谱联合机器学习测定樱桃番茄中的番茄红素
- 1
-
-
作者
高翔堃
董璇
刘超
詹杰
黄青
-
机构
中国科学院合肥物质科学研究院
中国科学技术大学
-
出处
《量子电子学报》
北大核心
2025年第3期313-323,共11页
-
基金
安徽省中央引导地方科技发展专项资金项目(S20200706050011)。
-
文摘
针对樱桃番茄中番茄红素的近红外光谱检测,采用机器学习算法建立了定性和定量分析模型。首先对番茄红素的提取与检测方法进行优化,然后基于7000~8000 cm^(-1)和10000~11000 cm^(-1)两个波段的光谱,建立了用于樱桃番茄中番茄红素含量预测的组合间隔偏最小二乘(siPLS)模型。相较于现阶段的偏最小二乘(PLS)定量模型, siPLS模型在预测准确度方面有一定的提升,其训练集相关系数R_(c)=0.8008,训练集交叉验证均方根误差E_(RMSEC)V=9.56 mg/kg,测试集相关系数R_(p)=0.8683,测试集均方根误差E_(RMSEP)=4.59 mg/kg。进一步引入回归型支持向量机(SVR)算法建立定量模型,对比分析表明,SVR模型比siPLS模型的性能更优,其R_(c)=0.9559,E_(RMSEC)=4.229 mg/kg;R_(p)=0.8959, E_(RMSEP)=8.363 mg/kg。最后,基于支持向量机(SVM)和多通道卷积神经网络(CNN)-门控循环单元(GRU)联合模型,建立了樱桃番茄中番茄红素的浓度分类模型。结果表明,相较于SVR模型,多通道CNN-GRU联合模型具有更高的定性识别准确率。
-
关键词
光谱学
定性和定量分析模型
机器学习
番茄红素
樱桃番茄
组合间隔偏最小二乘
-
Keywords
spectroscopy
qualitative and quantitative analysis models
machine learning
lycopene
cherry tomato
synergy interval partial least squares
-
分类号
O657.3
[理学—分析化学]
-
