论文部分内容阅读
黑木耳是我国常见的一种食用菌,富含多种营养成分,深受广大群众的喜爱。近年来,随着对黑木耳有效成分的进一步分析,围绕黑木耳多糖(APP)的研究倍受科研人员的关注。作为黑木耳中的高纯度多糖提取物,黑木耳多糖具有抗老化、抗致癌因子(以及肿瘤)、抗凝血,降低血脂、血糖等功效,具有深厚的药用开发潜力。传统的黑木耳多糖检测多采用化学提取的方法,但化学试剂总会腐蚀样品,无法准确反映成分信息,并且操作复杂,检测周期长。为了适应高效率的工业生产,就需要一种快速、准确,安全的黑木耳多糖品质分类技术。近红外光谱分析技术(Near Infrared Spectrometry,NIR)作为一种不需复杂前期处理、等待时间短、无污染的分析检测技术,正在被人们越来越多地应用于农产品及食品品质检测的领域中。对于不同种类黑木耳的近红外光谱来说,在相同的波形频率下的吸收频率不尽相同,通过比较近红外光谱相同频率下的波值大小,可以得到对应样本的多糖含量多少,进而实现快速、无损检测的目的。支持向量机(Support Vector Machine,SVM)作为一种优秀的仿真建模方法,具有结构简单、泛化能力强等优点,已被人们应用于文字识别、图像分类、生物化学成分分析等。但其中SVM的关键参数对分类和识别的效果影响较大,且由于参数选择方面的研究尚未成熟,导致模型的识别和分类经常出现准确度不高的问题。为解决上述问题,本文采用遗传算法进行参数寻优并建立支持向量机模型。首先对不同季节、不同栽培方式的东北黑木耳样本进行多糖成分无损检测,采用标准正态变量变换(Standard Normal Variate Tranformation,SNV)+S-G 平滑对光谱数据进行预处理,消除光谱漂移、表面散射和噪声的影响;然后通过连续投影(Successive Projections Algorithm,SPA)对特征波长进行提取,可以降低不相关变量对分类效果的影响,并提取的光谱特征构建支持向量机模型;最后通过遗传算法(Genetic Algorithm,GA)对核函数参数进行优化。试验结果表明,基于GA优化的SVM模型的分类准确率为97.5%,精确率为95.6%,召回率为100%,F1-score为0.974,AUC为0.941。试验结果符合预期目标,说明GA-SVM模型对黑木耳多糖含量能够在实际应用中进行分类测量。