基于近红外光谱的“三文鱼”无损真伪判别分析.docxVIP

下载本文档

0
0
约8.39千字
约 9页
2025-09-09 发布于北京
举报
版权申诉

基于近红外光谱的“三文鱼”无损真伪判别分析.docx

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于近红外光谱的“三文鱼”无损真伪判别分析

摘要：三文鱼是一种营养丰富且深受消费者欢迎的食物，目前，国内市场商品化品种主要有大西洋鲑和虹鳟。在商业利益驱使下，鲑鱼之间的掺假替代事件时有发生，这些欺诈行为不仅损害消费者的经济利益，甚者还危害健康。因此，在日益复杂和全球化的食品供应链中开发一种快速、环保且可现场检测的方法尤为重要。针对收集的6个国家190份鲑鱼样品（其中大西洋鲑81份；虹鳟鱼109份），按2∶1的比例分配到训练集和测试集。以11种光谱数据预处理，结合偏最小二乘判别分析（PartialLeastSquaresDiscriminantAnalysis，PLS-DA）、反向传播人工神经网络（BackPropagationArtificialNeuralNetwork，BP-ANN）和极限学习机（ExtremeLearningMachine，ELM）3种有监督模式识别方法进行判别模型构建。确定最佳建模方法为PLS-DA，在最佳潜在变量为23时，模型的预测集正确率为100%。这表明近红外光谱与PLS-DA相结合是一种潜在的三文鱼物种现场无损快速鉴别的工具。

关键字：近红外光谱大西洋鲑虹鳟真伪判别

NondestructiveAuthenticityIdentificationAnalysisof\Salmon\BasedonNear-InfraredSpectroscopy

BAHaoranWUZhiqiangDAIJinranJIChaoZHAOLiangjuanZHENGWenjie*

TianjinKeyLaboratoryofAnimalandPlantResistance，CollegeofLifeSciences，TianjinNormalUniversity，Tianjin，300387China

Abstract：Salmonisanutritionallyrichandpopularfoodamongconsumers，withthemaincommerciallyavailablevarietiesinthedomesticmarketbeingAtlanticsalmonandrainbowtrout.Drivenbycommercialinterests，salmonadulterationandsubstitutionincidentshavebeenfrequent.Thesefraudulentpracticesnotonlydamageconsumerseconomicinterestsbutmayalsoposehealthrisks.Therefore，developingafast，environmentallyfriendly，andon-sitedetectionmethodisparticularlyimportantintheincreasinglycomplexandglobalizedfoodsupplychain.Inthisstudy，190salmonsampleswerecollectedfromsixcountries（81Atlanticsalmonand109rainbowtrout），whichweresplitintotrainingandtestingsetsata2：1ratio.Elevenspectraldatapreprocessingmethodscombinedwiththreesupervisedpatternrecognitiontechniques：PartialLeastSquaresDiscriminantAnalysis（PLS-DA），BackpropagationArtificialNeuralNetwork（BP-ANN），andExtremeLearningMachine（ELM），wereusedtoconstructdiscriminantmodels.ThebestmodelingmethodwasidentifiedasPLS-DA，withtheoptimalnumberoflatentvariables（Lvs）being23，achievingapredictionaccuracyof100%forthetestset.Thisindicatesthatthecombinationofnear-infraredspectroscopyandPLS-DAisapotentialtoolforon-site，nondestructive，andrapididentificationofsalmonspecies.

KeyWords：Near-infraredspectroscopy;Salmosalar;Oncor