肉类现场快速智能化识别分类探究
发布时间：2022-01-09 07:52
"挂羊头卖狗肉"在实际生活中时有发生。如何现场快速智能化辨别出肉的种类,面临着挑战。本研究论文,选用便携式拉曼光谱仪,采用大小均一的金纳米颗粒自组装膜作为信号放大剂,利用表面增强拉曼光谱（surface-enhanced Raman spectroscopy, SERS）技术高灵敏,快速,指纹识别等特性和优势,结合智能算法中的主成分分析（principal component analysis, PCA）和支持向量机（support vector machine, SVM）,从而快速准确识别出鸡、牛、羊及猪等肉的种类。该方法为食品安全的快速现场检测提供了一条思路和方法。
【文章来源】：光散射学报. 2020,32(02)
【文章页数】：5 页
【部分图文】：
(a)金溶胶的紫外-可见吸收光谱;(b)金纳米颗粒的扫描电子显微镜图
表1 四种肉类样品的SERS谱峰的归属[11]Table.1 Attribution of SERS spectrum peaks in four meat samples 拉曼位移(cm-1) 振动官能团 623 环的呼吸振动 725 嘌呤环的呼吸振动 963 N1-C2-N3嘧啶环的呼吸振动 1085 C8-N8/N9-H9咪唑环的摆动 1156 O6-H1/C8-H8的摆动 1266 C2-H2摆动/嘧啶环的变形 1331 C8-H8咪唑环的摆动 1367 C2-H2摆动/咪唑环的呼吸振动 1392 C2-H2/N1-H1摆动/ C6-N7 拉伸振动 1469 N9-H9/C2-H2/N1-H1摆动/咪唑环的变形 1574 N3=C4的伸缩/咪唑环的伸缩振动3.3 四种肉类的智能算法分类
实验环境使用的是C++,2G内存,Windows 7操作系统,语言使用的是Matlab 8.0。所建立的模型对未知样本进行预测,预测结果如图4所示,预测总体准确率为89%,对鸡肉、牛肉、羊肉及猪肉预测准确率分别为100%,90%,86%和80%,基本上达到实际应用要求。由此可以看我们得到的数据模型的准确率是非常高的。之所以能够达到这样高的准确率,是因为数据的稳定性和数据之间的特异性。也就说,在便携拉曼仪上运用SERS和SVM可以实现对肉类样品的现场快速检测判断。4 结论
本文编号：3578280
【文章来源】：光散射学报. 2020,32(02)
【文章页数】：5 页
【部分图文】：
(a)金溶胶的紫外-可见吸收光谱;(b)金纳米颗粒的扫描电子显微镜图
表1 四种肉类样品的SERS谱峰的归属[11]Table.1 Attribution of SERS spectrum peaks in four meat samples 拉曼位移(cm-1) 振动官能团 623 环的呼吸振动 725 嘌呤环的呼吸振动 963 N1-C2-N3嘧啶环的呼吸振动 1085 C8-N8/N9-H9咪唑环的摆动 1156 O6-H1/C8-H8的摆动 1266 C2-H2摆动/嘧啶环的变形 1331 C8-H8咪唑环的摆动 1367 C2-H2摆动/咪唑环的呼吸振动 1392 C2-H2/N1-H1摆动/ C6-N7 拉伸振动 1469 N9-H9/C2-H2/N1-H1摆动/咪唑环的变形 1574 N3=C4的伸缩/咪唑环的伸缩振动3.3 四种肉类的智能算法分类
实验环境使用的是C++,2G内存,Windows 7操作系统,语言使用的是Matlab 8.0。所建立的模型对未知样本进行预测,预测结果如图4所示,预测总体准确率为89%,对鸡肉、牛肉、羊肉及猪肉预测准确率分别为100%,90%,86%和80%,基本上达到实际应用要求。由此可以看我们得到的数据模型的准确率是非常高的。之所以能够达到这样高的准确率,是因为数据的稳定性和数据之间的特异性。也就说,在便携拉曼仪上运用SERS和SVM可以实现对肉类样品的现场快速检测判断。4 结论
本文编号：3578280
本文链接：https://www.wllwen.com/wenshubaike/jieribaike/3578280.html
