針對(duì)消費(fèi)者在市場(chǎng)上購(gòu)買到劣質(zhì)休閑豆干產(chǎn)品后遇到維權(quán)困難等問題,建立了一種快速、準(zhǔn)確的識(shí)別休閑豆干品牌真?zhèn)蔚姆椒�。利用電子鼻�?duì)休閑豆干樣品進(jìn)行測(cè)量,獲得198個(gè)樣品的測(cè)量數(shù)據(jù)。隨機(jī)選擇140個(gè)作為訓(xùn)練集樣品,剩余58個(gè)作為預(yù)測(cè)集樣品。采用主成分分析(PCA)、偏最小二乘判別分析(PLS-DA)和誤差反傳人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)等化學(xué)計(jì)量學(xué)方法處理樣品的測(cè)量數(shù)據(jù)。結(jié)果顯示:采用PCA方法,識(shí)別真?zhèn)纹放票容^困難;采用PLS-DA方法,對(duì)真?zhèn)纹放七M(jìn)行建模,訓(xùn)練集的真品牌和偽品牌的識(shí)別率分別為100%和98.9%,預(yù)測(cè)集的真?zhèn)巫R(shí)別率分別為88.9%和100%;使用BP-ANN方法,真品牌和偽品牌的正確識(shí)別率均為100%。預(yù)測(cè)值與實(shí)際期望值高度吻合。采用電子鼻與BP-ANN方法相結(jié)合能夠很好地識(shí)別休閑豆干真?zhèn)�。該方法為休閑豆干的快速鑒別或廠家追溯提供了一定的參考和技術(shù)支持。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1各類品牌休閑豆干樣品的雷達(dá)圖

2.1樣品與電子鼻測(cè)量全部198個(gè)豆干樣品分為校正集樣品和預(yù)測(cè)集樣品兩部分,校正集樣品采用隨機(jī)法選取140個(gè)樣品,其中48個(gè)為真品牌,92個(gè)為偽品牌樣品。剩余的58個(gè)樣品作為預(yù)測(cè)集樣品,其中18個(gè)為真品牌,40個(gè)為偽品牌樣品。在相同條件下,對(duì)全部真?zhèn)纹放贫垢蓸悠愤M(jìn)行電子鼻檢測(cè)....

圖3交互驗(yàn)證均方根誤差與主成分?jǐn)?shù)的關(guān)系

2.3偏最小二乘判別使用校正集樣品建立模型,最佳主成分?jǐn)?shù)確定采用留一交互驗(yàn)證法得出。RMSECV與所選主成分的關(guān)系如圖3所示,選取RMSECV最小時(shí)即主成分?jǐn)?shù)5作為模型的最佳主成分?jǐn)?shù),然后利用電子鼻結(jié)合PLS-DA方法對(duì)訓(xùn)練集豆干樣品建立判別模型,并利用預(yù)測(cè)集對(duì)該模型進(jìn)行檢驗(yàn)....

圖2所有豆干樣品的二維主成分得分圖

通過主成分分析得出各主成分的特征值、方差貢獻(xiàn)率、累積方差貢獻(xiàn)率,如表2所示。其中特征值在某種程度上可以看作是表示主成分影響力度大小的指標(biāo),表示了對(duì)應(yīng)主成分能夠描述原有信息的多少。表2為真?zhèn)蝺深惼放乒?98個(gè)樣品的10項(xiàng)品質(zhì)指標(biāo)的主成分分析結(jié)果,主成分?jǐn)?shù)的選擇既要滿足數(shù)據(jù)降維的目的....

圖4訓(xùn)練集及預(yù)測(cè)集豆干樣品PLS-DA方法預(yù)測(cè)結(jié)果

使用校正集樣品作為BP-ANN的學(xué)習(xí)訓(xùn)練樣本,建立預(yù)測(cè)模型。利用樣品的預(yù)測(cè)集對(duì)該模型進(jìn)行檢驗(yàn)。預(yù)測(cè)結(jié)果見圖5和表3。結(jié)果顯示,BP-ANN方法對(duì)于分析樣品的訓(xùn)練集和預(yù)測(cè)集,預(yù)測(cè)值都落于真假品牌判別區(qū)域,正確識(shí)別率均高達(dá)100%,結(jié)果顯示BP-ANN方法在豆干品牌真?zhèn)闻袆e中具有很高....

本文編號(hào)：3938060