本發明涉及一種基于機器學習的藕粉產地判別方法，包括以下步驟：于網上購得不同產地的鮮藕，制備純藕粉；不同產地藕粉樣品的制備，供上機使用；采集不同產地藕粉樣品的光譜數據；基于獲得的光譜數據，以此建立用于預測的機器學習分類模型；基于建立的分類模型，對待測藕粉樣品進行產地預測。本發明簡單、快捷地識別出未知藕粉樣本的產地歸屬。

技術領域

本發明涉及食品分析領域，特別是一種基于機器學習的藕粉產地判別方法。

背景技術

藕粉，是我國傳統的保健食品，藕粉及其相關產品深受國內外消費者的喜愛和食品研究者的關注。蓮藕中含有多巴、兒茶酚、沒食子酸、兒茶素，是一種具有開發價值的天然抗氧化劑。隨著食用藕粉的不斷推廣，市場份額不斷擴大，藕粉的品質面臨以下問題：由于不同產地的蓮藕品質不一，需對高品質產地和低營養產地的藕粉樣品實現有效鑒別。因此，有效鑒別藕粉產地對維護消費者權益、保障合理市場秩序具有重要意義。傳統檢測藕粉產地的技術有其局限性，通過外觀鑒別的方法存在主觀性強、誤差大的缺點；差示掃描量熱法對于實驗條件的選擇要求高，選擇不同的實驗條件對結果有很大影響，實驗人員必須掌握足夠的經驗，在應用的廣泛性上存在不足。因此，開發一種無損、方便、高效的藕粉產地辨別方法非常有意義。

綜上所述，為了拓展藕粉品質檢測在食品領域中的應用，急需開發一種快速、簡單的鑒別藕粉產地的方法。

發明內容

有鑒于此，本發明的目的是提供一種基于機器學習的藕粉產地判別方法，能夠簡單、快捷地檢測出藕粉的產地歸屬。

本發明采用以下方案實現：一種基于機器學習的藕粉產地判別方法，包括以下步驟：

步驟S1：于網上購得不同產地的鮮藕，制備純藕粉；

步驟S2：不同產地藕粉樣品的制備，供上機使用；

步驟S3：采集不同產地藕粉樣品的光譜數據；

步驟S4：基于步驟S3獲得的光譜數據，以此建立用于預測的機器學習分類模型；

步驟S5：基于步驟S4建立的分類模型，對待測藕粉樣品進行產地預測。

進一步地，步驟S1中所述網上購得鮮藕來自多個產地，純藕粉的制備按照GB/T25733-2010中規定的工藝流程進行。

進一步地，所述步驟S2中將多個產地的藕粉置于電熱恒溫鼓風干燥箱60℃中自然烘干，用研缽進行研磨，接著過60目篩，每個產地的樣品分為20份，依次編號，保存備用。

進一步地，步驟S3中采用ANTARISⅡ傅里葉變換近紅外光譜儀采集不同產地藕粉樣品的近紅外光譜數據。

進一步地，所述步驟S4的具體內容為：

采用一階導數、標準正態變換(SNV)、多元散射校正(MSC)3種方法對原始光譜進行預處理，并用相關系數法提取特征波長，最后建立了偏最小二乘判別分析(PLS-DA)、線性判別分析(LDA)以及支持向量機(SVM)3種機器學習分類器。

進一步地，所述步驟S5的具體內容為：

取待測藕粉樣品，約5g，對樣品進行烘干、研磨、過篩，然后用傅里葉變換近紅外光譜儀采集其近紅外光譜，將所得光譜數據進行預處理與特征波長提取，最后將待測藕粉樣品的特征波長信息輸入訓練好的PLS-DA、LDA或SVM模型，模型會預測出該待測藕粉樣本屬于哪個產地，并將其作為輸出。

與現有技術相比，本發明具有以下有益效果：

本發明通過采集不同產地的藕粉樣品的近紅外光譜數據，作為原始的數據集，以此建立PLS-DA、LDA及SVM模型，模型能有效識別出藕粉樣品的產地歸屬。該方法檢測簡單、快捷，可以顯著提升檢測效率，為簡化藕粉品質鑒別提供新的方法，具有很強的實用性和廣闊的應用前景。

附圖說明