来源：期刊VIP网 时间：
作者：刘子健;顾佳盛;周聪;王游游;杨健;黄俊;王宏鹏;白瑞斌;
单位：浙江科技大学生物与化学工程学院;中国中医科学院中药资源中心道地药材品质保障与资源持续利用全国重点实验室;江西省道地药材质量评价研究中心;
摘要：产地是影响山楂品质的重要因素之一，为实现对山楂产地的快速无损鉴别，本文基于高光谱成像技术对不同产地的山楂样品进行产地溯源。以五个不同省级产区的山楂样品作为样本，利用近红外高光谱成像系统，获得每个样品果梗朝上（G）、侧面朝上（C）和底面朝上（D）的可见-短波红外（410～2500 nm）波段高光谱数据。采用多元散射校正（multivariatescatteringcorrection, MSC）、一阶导数（firstderivative, D1）、 SG平滑（Savitzky-Golay,SG）和标准正态变换（standard normal variate transformation,SNV）四种预处理方法，分别建立了偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）、支持向量机（support vector machine,SVM）和随机森林（random forests,RF）三种分类模型。结果表明，D-D1-SVM模型分类效果最优，训练集和预测集的准确率均为100%。为进一步简化模型，分别采用连续投影算法（successive projections algorithm,SPA）和竞争性自适应重加权算法（competitive adaptive reweighted sampling algorithm,CARS）进行特征波长筛选。通过多变量数据分析发现，D-SPA-SVM模型效果最佳，训练集和预测集准确率分别为95.2%和93%。本研究为山楂产地的快速、无损识别提供技术支持。
关键词：高光谱成像技术;;山楂;;产地识别;;无损检测;;机器学习
基金资助：浙江省“领雁”攻关计划项目（2022C02023）;; 中央本级重大增减支项目（2060302）;; 浙江科技大学科研业务费专项资金项目（2023QN024,2023JLZD007）;; 中药全产业链质量技术服务平台（2022-230-221）
