换一批高光谱成像结合机器学习算法用于药食两用大枣抗氧化活性成分的快速检测
Visible and near-infrared hyperspectral imaging combined with machine learning algorithms for rapid detection of active antioxidant components in medicinal and edible jujube
摘要目的 建立一种基于高光谱成像技术的高效、无损检测方法,用于药食两用大枣中抗氧化活性成分总黄酮、总酚和多糖含量的检测.方法 采集来自中国 6 个产地的大枣的高光谱信息,依次进行光谱预处理、竞争性自适应重加权采样(CARS)筛选特征波长以及灰度共生矩阵(GLCM)提取纹理特征.基于全波长变量、特征波长变量、纹理特征变量和数据融合,分别建立偏最小二乘法(PLS)、粒子群算法(PSO)优化的径向基函数(RBF)神经网络(PSO-RBFNN)两种模型,用于大枣中总黄酮、总酚和多糖含量的预测.结果 PSO-RBFNN模型整体优于PLS模型.在总黄酮和总酚含量预测中,基于特征波长建立的模型效果最佳,最佳模型为"1-st+CARS+PSO-RBFNN",其R2p分别为 0.9905、0.9820,RMSEP分别为0.0427、0.5242.在多糖含量预测中,基于数据融合建立的模型效果最佳,最佳模型为"SNV+CARS+PSO-RBFNN",R2p为 0.9948,RMSEP为 3.8093.结论 高光谱成像技术结合机器学习算法可为大枣中抗氧化活性成分含量检测提供一种快速、准确的分析方法.
更多相关知识
关键词
高光谱成像大枣抗氧化活性成分机器学习算法hyperspectral imagingjujubeactive antioxidant componentmachine learning algorithm
栏目名称
DOI
10.7539/j.issn.1672-2981.2026.02.011
发布时间
2026-04-07（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（No.82274361）
- 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
