文章摘要:可食用植物油的识别与区分是食品安全监测领域中的值得关注的工作内容之一。文章借助衰减全反射-傅里叶变换红外光谱分析，获取8种植物油样本的数据，而后采用标准正态变换和一阶导数处理来消除背景干扰，使得重叠峰发生分离；其次构建竞争性自适应重加权算法模型对各样本光谱数据进行特征提取，共提取105个特征波长点；然后构建长短期记忆神经网络对提取特征波长前后的可食用植物油种类进行预测识别与比较，结果表明，长短期记忆神经网络对提取特征波长前后样本预测识别准确率分别维持在30%～40%和80%～90%的区间范围内，模型运行时间分别为111 min 25 sec和 1 min 45 sec，这表明在光谱化学模式识别中特征波长的提取是十分有必要的；最后搭建由Levenberg-Marquardt算法改进的BP神经网络进一步提高植物油分类识别的准确率，总体准确率达到100%。实验结果较为理想，可为植物油的无损快速检验提供一定的参考与借鉴。

文章关键词:

论文DOI:10.19902/j.cnki.zgyz.1003-7969.210753

论文分类号:O657.3;TS225.1