文摘探索了近红外光谱(near infrared spectra,NIRS)结合支持向量机(support vector machine,SVM)检测甘薯粉丝掺假(掺杂木薯淀粉和玉米淀粉)的可行性。以掺假甘薯粉丝为研究对象,建立了基于NIRS及SVM的甘薯粉丝掺假定性判别及定量分析模型,并通过光谱预处理及光谱变量筛选对模型进行了优化。结果显示,采用标准正态变量变换和一阶导数对全光谱预处理后,甘薯粉丝掺假SVM定性判别模型的识别准确率可达100%,优于马氏距离判别模型;用标准正态变量变换和一阶导数对光谱预处理,并通过前向区间支持向量机(forward interval support vector machine,fi-SVM)筛选光谱变量后,木薯淀粉含量SVM预测模型的相关系数( r )和预测均方差(RMSEP)可达到0.92和11.20,玉米淀粉含量SVM预测模型的 r 和RMSEP可达到0.96和7.49。结果表明,基于NIRS和SVM的甘薯粉丝掺假定性判别及定量分析检测模型具有较高的识别率和预测精度,用于检测甘薯粉丝的掺假是可行的。
