基于SVM及BPNN的辣椒红外光谱分析
摘要：利用小波变换结合反向传播网络（BPNN）和支持向量机（SVM）研究了朝天椒和灯笼椒的傅里叶变换红外（FTIR）光谱，样品1 750～950 cm-1范围的红外光谱经多尺度一维连续小波变换（CWT）和离散小波变换分析，发现第20尺度的连续小波系数，提取该尺度3个区域的系数作为特征参数建立BPNN和SVM 模型。结果表明，BPNN和SVM模型都能很好地区别两种辣椒。第5尺度的离散小波细节系数建立BPNN和SVM模型分类的正确率分别为93.3%、100%。小波变换结合BPNN和SVM用于傅里叶变换红外光谱技术中能够准确识别朝天椒、灯笼椒，为区分不同品种的辣椒提供了快速、有效的方法。
关键词：朝天椒；灯笼椒；人工神经网络；支持向量机
中图分类号：O657.33；S641.3 文献标识码：A 文章编号：0439-8114（2015）01-0203-03
辣椒（Capsicum annuum L.）包括辣椒和甜椒，又称番椒、海椒、辣子、辣角、秦椒等，是茄科辣椒属一年或多年生植物。辣椒中维生素C的含量在蔬菜中居第一位，具有通经活络、活血化瘀、驱风散寒、开胃健胃、补肝明目、温中下气、抑菌止痒和防腐驱虫等功效[1，2]，被广泛应用于医药、轻化和食品行业。
区分辣椒常规的化学分析方法，如高效液相色谱法（HPLC）、气相色谱质谱法（GC-MS）、微卫星DNA标记（SSR）、超临界CO2萃取法等，这些检测方法虽然准确，但预处理过程复杂，耗时长，处理过程对人与环境有害[3]。傅里叶变换红外光谱法具有操作简单、灵敏度高、用样少、制样简单、重复性好等优点。小波变换是继傅里叶变换后的一种更为有效的信号处理方法[4]。人工神经网络（ANN）方法由于对非线性函数可任意逼近而在光谱分析中被广泛使用。人工神经网络具有高度智能化的特征与能力，在处理非线性问题上以计算简单、预测准确的优势在分析化学中得到了广泛的应用[5]。支持向量机（SVM）是近年来形成的一种新的模式识别方法，已表现出许多优于其他模式识别的方法。先通过非线性变换将输入空间变换到一个高维空间，然后在这个高维空间求取最优分类面[6]。
为此，选取两个品种的辣椒为研究对象，应用傅里叶变换红外光谱测定法得到FTIR，采用连续和离散小波多分辨率分析方法提取样品的红外光谱特征量，然后运用BP神经网络和支持向量机对两个品种的辣椒进行识别，旨在为同科属品种的植物提供一种分类方法。
1 材料与方法
1.1 试验仪器
红外光谱仪为PerkinElmer公司的Frontier傅里叶变换...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
