基于支持向量机算法的乳制品分类识别技术研究

本文针对乳制品分类快速识别技术依旧相对匮乏的现状,获取了样品的拉曼光谱,以此作为表征样品的质量特性数据,输入支持向量机判别模型,构建高效识别技术。结果显示,乳制品拉曼光谱数据采集迅速,含水样品可直接上样测试,单个样品的数据采集时间仅需2.5min,计算机处理时间在10s以内,参数优化条件分别为小波软阈值降噪(db1小波基,分解层数N=3)、归一化处理([-1,1]区间),通过主成分分析提取80个主成分(累计贡献率99%以上),支持向量机算法(径向基核函数,惩罚系数c=32,核函数参数g=0.022097),测试集最佳识别率可达到100%。由此可见,本文所建立的高效识别方法,具有分析速度快、流程便捷等多项优点,能够为乳制品质量安全监管提供技术参考。