换一批基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别
Rapid and Non-destructive Identification of Wuchang Daohuaxiang Rice Using Near-Infrared Spectroscopy and t-Distributed Stochastic Neighbor Embedding
摘要本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法.通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5种机器学习模型进行品种判别对比.研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了 1 078.005 1,表现出更好的聚类效果.经过t-分布邻域嵌入降维处理后,5种模型的各项评价指标均优于未降维处理的模型,模型平均准确率达到了95.78％,其中朴素贝叶斯模型准确率提高了 18.89％,提升效果最佳,随机森林模型的判别效果最好,预测集准确率和精准率分别为98.89％和98.96％.本方法可快速无损鉴别五常稻花香米,助力品牌保护和消费者权益维护,也可为其他地理标志农产品鉴别提供新思路.
更多相关知识
关键词
五常稻花香米近红外光谱技术随机森林相似大米品种鉴别t-分布邻域嵌入Wuchang Daohuaxiang ricenear-infrared spectroscopyrandom forestdiscrimination of similar rice varietiest-distributed stochastic neighbor embedding
分类号
O433.4
栏目名称
DOI
10.7506/spkx1002-6630-20250430-261
发布时间
2025-10-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2023YFD2301604-4）
黑龙江省自然科学基金联合指导项目（LH2019C075）
- 浏览1
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
