换一批基于HBA-BPNN算法和显微拉曼技术的黑加仑籽油掺假量化
Adulteration Quantification of Blackcurrant Seed Oil Based on HBA-BPNN Algorithm and Micro-Raman Spectroscopy
摘要黑加仑籽油作为一种高价值营养油,其掺假问题严重影响消费者信任.为实现快速、精准的掺假量化检测,本研究提出一种蜜獾优化算法(HBA)结合反向传播神经网络(BPNN)助力显微拉曼光谱的分析方法.以纯黑加仑籽油为基础,掺入不同比例廉价植物油制备样本,利用显微拉曼光谱无损采集分子指纹信息.针对传统BPNN易陷入局部最优和训练效率低的问题,引入HBA优化其初始权值与阈值,提升模型预测精度与泛化能力.经特征提取与筛选,建立 HBA-BPNN 定量模型.结果表明,该方法预测性能显著优于传统BPNN模型,预测决定系数R2 高于 0.95,均方根误差RMSE低于 0.057,为黑加仑籽油及其他油脂的质量安全控制与掺假鉴别提供了一种高效、无损、高灵敏度的新策略.
更多相关知识
关键词
蜜獾优化算法反向传播神经网络显微拉曼光谱掺假定量黑加仑籽油honey badger algorithmback propagation neural networkmicro-Raman spectroscopyadulteration quantificationblackcurrant seed oil
栏目名称
DOI
10.16210/j.cnki.1007-7561.2026.02.023
发布时间
2026-04-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
