基于SVM的白酒红外光谱分析方法研究

为实现白酒品评自动化,采集了297个不同香型、86个不同等级、60个不同年份的白酒样品红外光谱图,共计443个。针对这些红外光谱图,采用3次多项式插值拟合的方法进行基线漂移校正,并用小波软阈值法去除光谱噪声,然后用标准归一化的方法消除散射效应。对于白酒的香型、等级和年份这3种不同的分类问题,分别选择样本的75%为训练集,余下25%为测试集,利用支持向量机(SVM)方法建立对应的香型、等级和年份分类模型,并在测试集上验证了模型的分类性能。实验结果表明该方法行之有效,香型分类正确率达到98%以上,等级分类正确率达到92%以上,年份分类正确率达到100%。