应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值

被引：24

作者：

王莉

何勇

刘飞

应霞芳

机构：

[1] 浙江大学生物系统工程与食品科学学院

来源：

红外与毫米波学报 | 2008年 / 01期

关键词：

啤酒; 可见/近红外光谱; 最小二乘支持向量机; 糖度; pH;

D O I：

暂无

中图分类号：

TS262.5 [啤酒];

学科分类号：

082203 ; 083203 ;

摘要：

为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信息共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.

引用

页码：51 / 55

页数：5

共 6 条

[1] 基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法 [J].