1 山西农业大学工学院, 山西 太谷030801
2 山西省农业科学院果树研究所, 山西 太谷030815
研究收集了不同品牌的90个葡萄酒样品, 为了消除各光谱基线不同带来的影响, 对所有光谱曲线都进行了一阶求导, 以一阶导数谱线作为有效数据, 通过独立主成分(PC)分析可知, 前两个主成分的贡献率达到80%以上, 主成分聚类使得真伪葡萄酒样品明显分为两类; 以前四个主成分作为BP神经网络的输入建立了一个三层人工神经网络的识别模型, 该模型对葡萄酒样品的预测识别率达到100%。 研究表明, 可见-近红外透射光谱结合主成分分析建立的BP神经网络模型能为快速、 无损鉴别葡萄酒真伪提供一种准确可靠的新方法。
葡萄酒 可见-近红外光谱 BP神经网络 真伪 鉴别 Red wine Visible-near infrared spectroscopy BP neural network Ture or false Recognition 光谱学与光谱分析
2011, 31(12): 3269