基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

1、第卷，第期年月光谱学与光谱分析，。，基于遗传算法的近红外光谱橄榄油产地鉴别方法研究陈永明，林萍，何勇浙江大学生物系统工程与食品科学学院，浙江杭州摘要提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各个样本的光谱漫反射特征曲线，利用全局搜索算法一遗传算法提取特征波长，即从光谱个波长数据提取个特征波长数据，并将其作为主成分分析法的输入变量，运用主成分分析法建立分析校正模型。结果表明，主成分和累计可信度已达，对不同产地的橄榄油有很好的聚类作用，同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为神经网络的输入变量，品种类型作为神经网络的

2、输出变量，建立层人工神经网络模型，对个未知橄榄油产地进行预测，预测结果准确率达。该方法能快速无损地检测橄榄油产地，同时也为其他油类产地鉴别提供了一种新方法。关键词产地；橄榄油；近红外光谱；遗传算法；主成分分析；神经网络中圈分类号：。￥文献标识码：（引言橄榄油在地中海沿岸国家有几千年的历史，在西方被誉材料与方法仪器设备实验使用美国（定范围在为“液体黄金”，原因就在于其极佳的天然保健功效，美容功效和理想的烹调用途。可供食用的高档橄榄油是用初熟或成熟的油橄榄鲜果通过物理冷压榨工艺提取的天然果油汁，是世界上唯一以自然状态的形式供人类食用的木本植物油。目前，中国市场销售的绝大多数橄榄油依赖进口。一些学者

3、利用化学方法，对橄榄油的化学性质做了一些研究，但是对于橄榄油产地的鉴别研究很少。随着市场上进口橄榄油日益增多，且橄榄油的产地对橄榄油的价格和质量影响很大。因此，如何快速、无损地进行橄榄油的产地识别很有必要。本实验采用近红外光谱技术快速、无损鉴别）公司的光谱仪，其光谱采样间隔为，测之间，扫描次数次。光源采用与光谱仪配套的卤素灯。得到的光谱数据经软件转化为码形式，再由分析软件和对数据进行分析处理。样品来源及光谱的获取意大利欧丽薇兰特级初榨橄榄油、西班牙品利特级初榨橄榄油、土耳其达利牌特级初榨橄榄油为市售。各取，放入直径为，高度的培养肛。每个品种各做个样本，共计个样本。全部实验样本随机分成建模集和预

4、测集，建模集有个样本（每种品种各个），预测集有个样本（每种品种各个）。光谱仪经校准后进行测技术，对市售的三种不同国家的橄榄油进行了产地鉴别研究，利用全局搜索算法一遗传算法（，）提取特征波长，将其作为主成分分析法（，）的输入变量，采用建立分析校正模，试。嗨培养皿水平放置于光谱仪传感器正下方，对每一个样本扫描次。随机任选三种不同产地橄榄油漫反射光谱曲、线图，如图所示。遗传算法工作原理遗传算法模拟生物进化机制随机优化的算法，将其应用于波长选择，其主要步骤有染色体编码、种群初始化、适应型并提取各类不同产地橄榄油的主成分，将提取的主成分作为（）神经网络的输入变量¨，产地类型作为神经网络的输出变

5、量，设置中间层神经元个数为，建立了神经网络模型，对未知产地进行了分类与预测。收稿日期：修订日期：基金项目：国家科技支撑计划项目（），“”项目（）和公益性行为（农业）科研专项项目（）资助作者简介：陈永明，年生，浙江大学生物系统工程与食品科学学院博士研究生：（萤通讯联系人：（孕光谱学与光谱分析第卷度函数、遗传操作、算法停止条件和波长选择。本文设置的适应度函数独立变量数为，抽取特征波长。图为运用对欧丽薇兰与品利橄榄油取得的特征波长（其中虚线对应的横坐标即为抽取的特征波长）。§兽（）凹砌鹧：；：；：鬻代：；：；：主成分分析主成分分析方法是一种有效的特征压缩方法，它把原有的各个特征利用线性变换

6、得到一批新的特征，每个特征都是原有特征的函数，但新特征总数少于原有特征数，这样新特征既保留了原有特征的主要信息，又减少了特征个数，通过对特征的选择，在一定程度上还能滤除噪音。神经网络全部样本随机分成建模集和预测集，建模集有三种不同产地橄榄油各个样本，共计个。预测集有三种不同产地橄榄油各个样本，共计个。建立了一个层的人工神经网络结构，经主成分分析后得到的每个样本的前个主成分作为神经网络的输入，即输入层节点数为，中间层有个神经元，传递函数为（对数型传递函数），输出层个神经元，传递函数为（线性传递函数），设定系统允许误差为，设定训练迭代次数为次。建立神经网络。试验结果与分析直接用主成分分析结果将光谱

7、仪提取的光谱特征曲线做相应的预处理后，直接作为的输入变量，主成分累计可信度见表，主成分一、主成分二得分图见图。图中横坐标表示每个样本的第一主成分得分值，纵坐标表示每个样本的第二主成分得分值。由图可见，产地为意大利和西班牙橄榄油聚类到了一块。由此得出结论，将个橄榄油波长数据全部作为的输入端，大大增加其计算量，而且有些区域样品的光谱信息很弱，与样品的组成或性质问缺乏一定的相关性，根本无法建立正确的校正模型。主成分累计可信度害昌；（）：；：；：遗传算法抽取特征波长分析光谱仪测量波长范围为范围，共有个波长数据。传统的方法是将这个波长数据直接作为或者（）的输入变量，提取主成分值刮。这些传统的建模方法不但

8、预算量大，而且当光谱曲线特征差异不明显时，它们无法将不相关性或非线性变量剔除，即无法建立正确的校正模型。本文利用遗传算法抽取品牌为达利与欧丽薇兰、达利与品利、欧利与品利之间特征波长各个，共个特征波长作为输入变量。由此可见，使用遗传算法有效地进行了数据压缩，为将来和神经网络预测提供了更强的校正模型。不同产地橄榄油主成分分析对由提取的三种不同产地橄榄油（个样本，共个样本）的个特征波长进行主成分分析。得到前个主成分的特征值及累计可信度，如表所示。岱主成分累计可信度由于前个主成分的累计可信度已达，故仅用前个主成分就可表示原近红外光谱的主要信息。图表示个建模样本的主成分和得分图，图中横坐标表示每第期光谱

9、学与光谱分析个样本的第一主成分得分值，纵坐标表示每个样本的第二主迅分。蓦露一成分得分值。从图中可以看出，类不同产地的橄榄油已明显分成类。说明和对类不同产地的橄榄油有较好的聚类作用。基于前个主成分神经网络预测模型在主成分分析的基础上，选取贡献率较大的前个主成分作为输入，中间层设定为，产地类型作为神经网络输出莹一潍一（）璃知飚（将达利、欧丽薇兰、品利产地类型分别设置为，）。建立一个层输入单元，个隐含单元和个输出单元的嘲神经网络。个不同产地个建模样本，对个未知样本产地进行识别。结果表明，建模样本产地类型的拟合率和预测识别率均为，预测结果见表。：真实值代表产地为土耳其；真实值代表产地为意大利；真实值代

10、表产地为西班牙个，而且能解决单纯地用原始光谱波长数据作为主成分结论提出了一种基于遗传算法的近红外光谱技术对不同产地橄榄油进行快速、无损检测的新方法。结果表明，运用遗传算法抽取特征波长，不但将光谱波长数据从个压缩到参考分析无法正确分类的问题。具体运作方法为用遗传算法抽取特征波长，然后用主成分分析法对特征波长进行主成分提取，再用神经网络对三种不同橄榄油产地成功进行分类。实验结果说明建模方法正确，同时该建模方法为其他油类品种产地鉴别提供了新方法。献文，（刘景林，林毅，褚莹，等）（化学学报），（）【幻，（杨立荣，吴坚平，姚善泾）（有机化学），（）：钉，（丁辉，徐世民，宋宝东，等）（现代化工），（）：钉明，（）：，（何勇，李晓丽邵咏妮）（光谱学与光谱分析），（何勇，冯水娟，李晓丽，等）（光谱学与光谱分析），（）：。，（