基于主成分分析和人工神经网络的近红外光谱大豆产地识别

摘要

为了准确、快速地识别大豆产地,通过近红外光谱技术(NIRS)结合主成分分析(PCA)和人工神经网络技术(ANN)研究不同国家大豆内含特征,建立进口大豆产地识别模型.采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本.采用多元散射校正(MSC)、标准正态变量(SNV)、Savitzky-Golay(SG)平滑滤波等方法进行光谱数据预处理,结果表明,采用SG(3)平滑结合MSC预处理效果最好.主成分分析表明,前10个主成分的累积贡献率达到99.966％.选取主成分分析得到前10个主成分为输入向量,4个产地作为目标向量,分别采用支持向量机(SVM)、邻近算法(KNN)与人工神经网络法(ANN)建立识别模型.结果表明,采用BP-ANN建模效果最好,总体测试集准确率为95.65％,其中阿根廷准确率为100％,巴西准确率为100％,乌拉圭准确率为80％,美国准确率为100％,该模型能够实现对进口大豆生产国别的识别.