第32卷，第12期 2012年12月
谱学与光谱
分析
光
Spectroscopy and Spectral Analysis
Vol.32,No.12,pp3238-3241
December，2012
基于Adaboost十OLDA和近红外光谱的猪肉贴藏时间辨别
俊1
武小红1，2，唐凯"，孙
1.江苏大学电气信息工程学院，江苏镇江212013 2.江苏大学食品与生物工程学院，江苏镇江212013
摘要猪肉的贮藏时间和猪肉的新鲜度紧密相关。通过近红外漫反射光谱技术获取猪肉样本数据，利用正交线性判别分析(OLDA)算法进行特征提取，同时将自适应提升法（Adaboost)引入OLDA，提出了一种基
于Adaboost和OLDA的集成学习算法
一Adaboost十OLDA。实验针对分类正确率和运算时间将传统特征
提取算法(PCA十LDA和OLDA)和Adaboost十OLDA算法进行了对比研究，结果表明Adaboost+OLDA算法不仅具有很好的运算效率，而且提高了OLDA算法的泛化能力，在猪肉样本测试中达到了95%以上的分类正确率，
关键词近红外光谱：猪肉；贮储时间；OLDA：Adaboost
中图分类号：0657.3
引言
文献标识码：A
DOl; 10.3964/j. issn.1000-0593(2012)12-3238-04
算LDA之前，首先利用PCA算法将样本矩阵投影到低维空闻中，以此消除矩阵的奇异性，这种方法的缺陷在于无法确定PCA的最降维数，同时在PCA降维过程中会丢失有用
在我国，猪肉是消耗量最大的肉类食品，其新鲜度正日益受到人们的关注。腐坏、变质的猪肉不仅不能满足人们口感和营养的需求，还会危害人们的健康。引起猪肉腐坏的原
因有很多，例如忙缴温度，空气，PH值等等
猪肉的贮减时间也是导致猪肉腐败的重要因素
藏、运输、加工中易受到酶、微生物等作用2 生有毒的化学成分包括组胺，酪胺和腐胺等
动会随着猪腐败变质而时间，将会
时间增加而逐渐加剧
除此之外，
猪肉在
进而分解产这些分解活
最终导致绪肉的
能食用。因此，如果能够准确肉新鲜度的判定提供重要依担
分析技术作为最近几年发展起来的因其简单，
非破坏性等优点，
已经额
别猪肉的贮装近红外光诺检测技术，
猪
肉[9和羊肉们等肉品检测"以及农产品和食品检测领域[9。
国内外对猪肉的藏时间解别研究还比较少见认
。本工作采
用近红外漫反射光谱技术进行猪肉的贮藏时间辨别研究。
主成分分析(principalcomponcentanalysis，PCA）和线性判别分析（lineardiscriminantanalysis，LDA）是两种经典的特征提取算法，目前已经在光谐数据分析领域得到了广泛应用10]。但是LDA算法在实际应用中常常会面临小样本问题)，其狭义概念是指样本类内协方差矩阵的奇异性问题，传统的解决办法通常采用PCA十LDA的组合算法，即在计
的鉴别信息。文献[12]提出一种广义线性判别算法框架，通过引入广义逆来重新定义Fisher评估函数，文献[13]在此基础上进一步提出正交线性判别分析（orthogonal linear dis criminantanalysis，OLDA)算法，通过正交化特征向量来消除样本之闻的噪声干扰。自适应提升法(Adaboost)是Freund 和Schapire提出的一种机器集成学习算法)，其优点是存储和计算要求低，能够将多个弱分类器集成为一个强分类器。目前，有多种Adaboost算法可用来进行分类计算(15]，但是将Adaboost应用在农产品分类中却很少见[4]
），本研究将
Adaboost算法与OLDA算法结合，利用Adaboost算法进行多轮送代训练，从而得到多个OLDA特征提取器，最终采用加权投票方式重新构造了一个强分类器。实验表明，基于 Adaboost十OLDA的算法可以显著提高OLDA的泛化能力。
实验部分 1.1
材料
实验所用的67块猪肉样品取自同一个养殖场的相同品种的猪厕体，经过标准屠率，卫生检疫部门检验合格。猪肉样品均为猪的肾鲷肌，长度约10cm。在猪肉运抵实验室后，采用保鲜袋（聚氧乙烯polyvinylchloride，PVC)将其包装并
收稿日期：2012-05-20，修订日期：2012-09-10
基金项目：国家自然科学基金项目(31101082)和江苏高校优势学科建设工程项目资助
作者简介：武小红，1971年生，江苏大学副教授万方数据
e-mail; wxh_www@163.com