第34卷，第3期 2014年3月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
基于中红外光谱分析技术的香菇产地识别研究
朱哲燕1，2，张初”，刘飞”，孔汶汶”，何勇*
1.浙江经济职业技术学院，浙江杭州310018 2.浙江大学生工食品学院，浙江杭州310058
Vol.34,No.3.pp664-667
March,2014
摘要采用中红外光谱分析技术对香菇产地进行识别研究，并将相关向量机（relevancevector machine， RVM)算法应用于中红外光谱判别分析之中，取得了较好的效果。通过采集香菇粉末的中红外透射光谱，去除光谱噪声明显部分，对剩下的3581～689cm透射谱线采用多元散射校正（multiplicativescattercorrec-tion，MSC进行预处理，并基于预处理谱线建立了香菇产地识别的偏最小二乘判别分析（partialleast squares-discriminant analysis，PLS-DA）、簇类独立软模式分类（soft independent modeling of class analogy， SIMCA）、K最邻近算法（K-nearest neighbor algorithm，KNN）、支持向量机（support vector machine， SVM）、RVM模型等五种判别分析模型。所有模型的识别正确率均高于80%，KNN，SVM和RVM判别分析模型取得了相近的结果，建模集和预测集识别正确率高于9O%。基于全谱的PLS-DA模型的加权回归系数，利用加权回归系数法选取了6个特征波数，并基于特征波数建立了PLS-DA，KNN，SVM和RVM模型。基于特征波数的PLS-DA模型的建模集和预测集识别正确率均低于8O%，而KNN，SVM和RVM模型的建模集和预测集的识别效果相近，且都高于90%。基于全谱和特征波数的模型中，RVM算法表现出较好的效果，识别正确率优于90%。结果表明：基于中红外光谱技术能用于香菇产地的识别，特征波数的选择以及RVM算法可以有效的用于中红外光谱判别分析中。本文成功将中红外光谱用于香菇产地识别研究，为香
菇品质以及其他农产品晶质分析提供广一种新的想法，具有实际意义。关键词中红外光谱：香菇产地：相关向量机
中图分类号：0433.4；S464.9文献标识码：A
引言
香菇是我国特产的药食两用的食用菌，香著中含有极其
丰富的营养物质，包括蛋白质、脂肪、多糖、维生素B群、钙、磷和铁等矿物元素、黄酮类物质等。同时，香菇也具有较高的药用价值，香菇中的香菇多糖被认为具有防癌抗癌的功效，香菇太生、腺嘌呤极其衍生物具有降低血脂的功效，查菇中的双链核糖核酸具有抗病群的能力。不同晶质香菇所含有的营养成分的差异较大，导致营养价值和药用价值的差异。实验研究表明，不同产地的香菇的品质参数不同3]。因此对香菇产地来源的监测具有实际意义，
传统的产地识别一般是根据实验室的化学分析方法或个人经验，前者具有操作费时费力、消耗化学试剂等缺点，后收稿日期：2013-05-13，修订日期：2013-09-02
DOI : 10. 3964/j issn. 1000-0593 (2014 X03-0664-04
者则受主观因素的影响。中红外光谱分析技术作为一种无损检测技术，已经在农业[3]、食品["]、医学("]、药学[6]等领域具有广泛研究与应用，在品种分类7和产地识别*中也应用广泛。但利用中红外光谱分析技术对香菇的产地识别的研究未见报道。
常用的判别分析算法有主成分分析（principalcomponent analysis，PCA)9]、偏最小二乘判别分析（PLS-DA)10.11、线性判别分析（linear discriminant alalysis，LDA)[12]、K最邻近算法（KNN)3、簇类独立软模式分类(SIMCA)、支持向量机（SVM）")和反向传播神经网络(back-propagationneural network，BPNN）161等。相关向量机（RVM）0718算法是Mi-chaelE.Tipping等提出的基于贝叶斯框架的学习机。目前尚未有将RVM应用于中红外光谱的研究。采用RVM算法进行香菇产地判别分析，并与其他的算法进行比较
基金项目：国家高技术研究发展计划(863计划)项目(2011AA100705)资助
作者简介：朱哲燕，女，1980年生，渐江经济职业技术学院数字信息技术学院讲师
*通讯联系人
e-mail : yhe@ zju- edu. cn
e-mail : crazy814@ 163. com