三维荧光结合四元数主成分在食醋和食用油检测中的应用

发布时间：2020-04-13 02:35

【摘要】：近年来,食品安全问题频繁发生,严重危害了人们的身体健康和社会的和谐,因此,对食品安全的准确、快速检测意义重大。为解决传统食品安全检测过程复杂、设备维护量大等问题。本文基于三维荧光光谱分析技术,结合四元数主成分分析(Quaternion Principal Component Analysis,QPCA)方法,进行食醋溯源和食用油掺杂快速检测研究。论文的主要研究内容有:首先,综述三维荧光光谱分析技术和四元数信号处理算法的国内外研究现状以及基本理论。其次,实验采集江苏恒顺、山东鲁花、山西紫林和天津天立四种品牌120个食醋样本的三维荧光光谱;采用置零法和三角形内插值法分别对三维荧光光谱进行预处理,比较二者结果;分别采用平行因子分析和四元数主成分分析对食醋品牌进行检测,并对两种分析结果进行比较。其中,四元数主成分分析结合K近邻分类器的分类正确率达到了100%。再次,实验采集菜籽油、大豆油、花生油、调和油和玉米油分别掺杂煎炸油后240个样本的三维荧光光谱,对样本光谱数据进行四元数并行表示,分别利用主成分、四元数主成分分析算法进行特征提取,并进行比较;对特征提取之后的信息建立基于粒子群优化算法的支持向量机分类模型,进行食用油与掺杂煎炸油的分类,分类正确率达到了100%。最后,针对菜籽油、大豆油、花生油、调和油和玉米油分别掺杂煎炸油后140个样本的三维荧光光谱数据进行四元数主成分分析,并分别结合偏最小二乘回归和支持向量机回归算法建立煎炸油浓度预测模型,对两种模型结果进行比较。其中,基于支持向量机回归方法所建模型验证集数据的相关系数、均方误差、均方根误差可达到0.9999、0.1163、0.341,较偏最小二乘回归方法更优。
【图文】：

原理图,支持向量机,线性,原理图

第 4 章基于三维荧光光谱的煎炸油定性分析食用油掺杂煎炸油分类模型建立.1 分类建模方法在 1990 年时期，Vapnik 发现了 SVM，它是一种能将两种物质分类的算法进行的研究中，结合结构风险最小化原理去改进学习机的分类能力，以求能有效实现统计规划的目标；在此过程中，由于 SVM 的特点，无需多少样进行分类研究，SVM 一般情况下有线性、非线性两种分析方法，其中线性支持向量机原理图如图 4-5 所示。图 4-5 a)为线性向量机分类示意图，红色圆球和蓝色圆球分别表示两个种线性支持向量机构造线性超平面 w x b 0，也就是那根黑色的直线来对进行分类；如果研究对象线性不可分，就采用非线性向量机，，()()mxRxRpmp 映射原理对研究对象进行分类，如图 4-5 b)所示，绿色平面结构使其分类成功。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TS207;O433

【相似文献】