大米类别鉴别模型及其构建方法以及鉴别大米类别的方法技术

本发明专利技术涉及检测领域，公开了大米类别鉴别模型及其构建方法以及鉴别大米类别的方法。本发明专利技术创造性地将近红外光谱、中红外光谱以及拉曼光谱的光谱数据通过数据融合构建大米类别鉴别模型，其校正集和预测集识别正确率较单一光谱模型大大提升，能达到100％。通过本发明专利技术所述的模型用于大米类别的鉴定减少了检测时间，降低了实验误差，为大米类别鉴别提供了极大的便利。便利。便利。

【技术实现步骤摘要】
大米类别鉴别模型及其构建方法以及鉴别大米类别的方法


[0001]本专利技术涉及检测领域，具体涉及一种大米类别鉴别模型的构建方法，一种大米类别鉴别模型，以及一种鉴别大米类别的方法。

技术介绍

[0002]由于大米品种和产地环境不同，使其各种物质的含量和成分存在差异，一些大米因其独特的地理环境使其具有较高的营养价值和优良的口感，而成为地理标识产品，在市场上占据优势的销售价格。因此亟需开发大米快速鉴别技术，解决大米假冒问题，尤其是大米产地假冒的问题。
[0003]传统方法对于大米产地或品种的鉴别多采用经典的化学手段，而这些方法都普遍存在耗时长、前处理繁琐、人为误差大且对检验人员要求高等缺点。
[0004]分子光谱分析技术具有快速、无污染和同时检测多个组分等优点，通过建立的预测模型来测定未知样品所属类别，是一种间接的定性分析技术。采用光谱技术对大米类别进行检测可减少了检测时间，降低了实验误差，还能实现同时对多个理化指标进行分析检测，但是由于使用单一光谱数据存在片面性，使得大米类别鉴别正确率不能达到100％。
[0005]大米中主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大米类别鉴别模型的构建方法，其特征在于，该方法包括：(1)以不同类别的大米作为样本，分别采用近红外光谱、中红外光谱和拉曼光谱采集大米的光谱数据；(2)分别对步骤(1)中得到的近红外光谱、中红外光谱和拉曼光谱的光谱数据进行数据集的划分得到校正集和预测集，对校正集数据进行预处理，并对预处理后的数据进行特征波长的筛选，结合化学计量学方法通过数据融合建立鉴别模型；(3)以校正集和预测集的正确率为标准，对步骤(2)得到的鉴别模型进行评估和筛选，得到大米类别鉴别模型。2.根据权利要求1所述的方法，其中，步骤(2)中，预处理的方法选自标准归一化(SNV)、一阶微分、二阶微分、均值中心化、多元散射校正、正交信号校正、平滑和标准化的至少一种；和/或筛选特征波长的方法为竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)、无信息变量去除算法或最小角回归算法(LAR)；和/或所述化学计量学方法为K近邻算法(KNN)、线性判别分析(LDA)、最小二乘
‑
支持向量机算法(LS
‑
SVM)、主成分分析(PCA)、马氏距离判别分析(MD)、簇类独立软模式分类法(SIMCA)、偏最小二乘判别分析(PLS
‑
DA)、Fisher判别分析、聚类分析(CA)或人工神经网络(ANN)；和/或所述数据集的划分的方法为分层抽样法或随机抽样法。3.根据权利要求1或2所述的方法，其中，所述数据融合的方式为数据层融合、特征层融合或决策层融合。4.根据权利要求3所述的方法，其中，所述数据层融合的方式为将3种光谱预处理的校正集数据串联成单个矩阵，然后筛选矩阵的特征波长，结合化学计量学方法建立鉴别模型。5.根据权利要求3...

【专利技术属性】
技术研发人员：翟晨，栾鑫鑫，钱承敬，史晓梅，张巍巍，张晓琳，
申请(专利权)人：中粮营养健康研究院有限公司，
类型：发明
国别省市：