关键词:
近红外光谱
蛋黄颜色
偏最小二乘法
线性判别分析
特征波长筛选
数据预处理
摘要:
蛋黄颜色是鸡蛋品质的重要指标,消费者更喜欢购买蛋黄颜色较深的鸡蛋。通常将鸡蛋打开,通过罗氏比色扇对蛋黄颜色进行判别,无损判别蛋黄颜色的研究具有重要意义。针对不同颜色蛋壳的鸡蛋,进行蛋黄颜色无损判别方法研究,通过近红外光谱数据采集,采用化学计量法建立定性分类预测模型,对影响蛋黄颜色成分进行分析,找到谱图吸收峰对应官能团。采集了90个粉壳蛋和89个白壳蛋的近红外光谱数据,罗氏比色扇记录的蛋黄颜色用于建立定性分类模型目标颜色,将样本按2∶1分为校正集和预测集,分别对单种颜色蛋壳样本和混合颜色蛋壳样本建立了预测模型。采用线性(偏最小二乘法判别PLS-DA、线性判别分析LDA)和非线性(卷积神经网络CNN、极限学习机ELM)的方法建立了分类模型,运用多种预处理方法,采用CARS特征波长筛选方法对光谱数据筛选了176个波长点。不同颜色蛋壳混合样本采用CARS波长筛选法、MSC和二阶导数的预处理方法,建立的偏最小二乘法分类模型准确率最高达91.67%,LDA达到98.11%。对粉壳蛋单独进行建模时,建立的偏最小二乘分类模型测试集准确率达到100%。对白壳蛋单独进行建模时,建立的偏最小二乘分类模型准确率达到了96.67%,而LDA模型准确率则达到了100%。结果表明,线性分析方法更加能表征鸡蛋光谱数据蛋黄颜色的特征,适合蛋黄颜色无损检测。该方法不仅能满足消费者的需求,而且蛋黄颜色判别结果对养殖场饲料喂养及调控起指导作用。