基于拉曼光谱的食用盐品种来源快速分类研究

市场上销售的食用盐品种繁多,主要以海盐、井盐、岩盐和湖盐为原料来源,而不同来源食用盐的品质和价格相差甚远.该研究使用配备532 nm激光器的拉曼光谱仪,采集得到4种食用盐样品共80个原始拉曼光谱,采用主成分分析(PCA)和偏最小二乘(PLS)进行数据降维,Kennard-Stone(KS)算法将样本按3 ∶ 1划分为训练集与测试集后,结合K近邻(KNN)、支持向量机(SVM)和BP神经网络(BPNN)3种分类器,对4种不同食用盐的品种来源进行鉴别分析.结果表明,相较于原始光谱的分类模型对测试集的预测准确度在30％～50％和PCA的30％～40％之间,PLS-KNN、PLS-SVM和PLS-BPNN模型的预测准确度分别为90％、100％和100％.PLS降维后只需6个维度的信息即可保留原始变量信息解释性98％以上,并且PLS-SVM在建模速度快的同时保留了较高的分类精度和稳定性,为提高食用盐产品品质、改善评价标准和完善管理体系提供了技术支持.