相关性意识 进化稀疏杂交光谱带选择算法,使用高光谱图像检测亚拉托辛B1污染的杏仁
Md Ahasan Kabir1, Ivan Lee2, Chandra B Singh3
1UniSA STEM, University of South Australia, Mawson Lakes 5095, SA, Australia; Department of Electronics and Telecommunication Engineering, Chittagong University of Engineering and Technology, Chittagong 4349, Bangladesh.
Food chemistry
|February 19, 2025
概括
一个新的算法使用高光谱成像有效地检测杏仁中有害的阿弗拉托克辛B1. 这种方法简化了分析,使食品安全测试更容易获得工业应用.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
背景情况:
- 杏仁中阿弗拉托克素B1的污染对健康构成重大风险.
- 超光谱成像提供了快速,非破坏性的检测,但面临着高维度和复杂数据分析的挑战.
- 准确高效的检测方法对于确保工业环境中的食品安全至关重要.
研究的目的:
- 开发一种新的混合光谱带选择算法,用于将杏仁中的阿弗拉托克辛B1分类.
- 简化用于工业应用的超光谱数据分析.
- 提高食品中阿弗拉托克辛B1检测的效率和准确性.
主要方法:
- 提出了一种两步混合光谱带选择算法.
- 使用基于树的增强组合和多层感知子网络确定了显著的光谱.
- 相关性意识的稀疏光谱带选择优化了已识别的光谱.
主要成果:
- 该算法实现了与仅使用4到10个选定的光谱的全光谱模型相比较的分类准确性.
- 对三组高光谱图像数据集的评估证明了算法的有效性.
- 该方法被证明适用于需要快速和非破坏性测试的工业应用.
结论:
- 开发的混合光谱带选择算法有效地降低了杏仁中阿弗拉托克辛B1分类的超光谱数据复杂性.
- 选择的频谱带为工业食品安全应用提供了强大而高效的方法.
- 这种方法提高了超光谱成像在检测食品污染物的实际实用性.
