红外光谱的不同产地黑果腺肋花楸果实鉴别

黑果腺肋花楸是已被列入新食品原料名单中的小浆果,富含花青素等成分,在酒类、饮料、功能食品、化妆品等领域广泛应用,具有较高的经济价值。因受不同产地气候等环境因素及种植条件的影响,黑果腺肋花楸果实品质差异明显。为规范黑果腺肋花楸果品市场管理,以中红外光谱技术结合化学计量学方法对不同产地黑果腺肋花楸果实进行鉴别。采集15个产区共750份黑果腺肋花楸果实红外光谱数据,采用K-S样本划分法,按4∶1比例将样本划分为训练集和测试集,并进行多元散射校正(MSC)、标准正态化(SNV)、移动平滑(SG)、一阶导数(FD)、二阶导数(SD)等光谱预处理,与原始光谱进行支持向量机(SVM)建模识别效果对比,确定最佳光谱预处理方法,同时对最佳光谱数据进行归一化处理。采用竞争性自适应重加权算法(CARS)和连续投影算法(SPA)提取光谱特征信息,并结合随机森林(RF)、极限学习机(ELM)、支持向量机(SVM)、偏最小二乘-判别分析(PLA-DA)进行建模对比,确定最佳模型。结果表明,MSC为最佳光谱预处理方法,MSC-SVM训练集识别率为93.33%,测试集识别率为92.67%,能有效减少光谱采集时产生的随机误差。经CARS、SPA提取MSC特征光谱波长,进行4种算法的建模结果对比,确定SPA-SVM模型为最佳识别模型,其训练集与测试集识别率均为100%,且仅需16个波长点即可完成准确识别。红外光谱结合化学计量学方法,尤其是SPA-SVM模型,可准确鉴别黑果腺肋花楸果实产地,为黑果腺肋花楸果实产地溯源、质量评价提供快速、简便的方法支撑,为打造地区特色品牌提供技术基础。