食品与发酵工业ＦＯＯＤＡＮＤＦＥＲＭＥＮＴＡＴＩＯＮＩＮＤＵＳＴＲＩＥＳ２５８２０２３Ｖｏｌ４９Ｎｏ８（Ｔｏｔａｌ４７６）ＤＯＩ：１０．１３９９５／ｊ．ｃｎｋｉ．１１－１８０２／ｔｓ．０３２２５３引用格式：刘忠艳，刘瑶，乔付，等．基于近红外光谱和多层感知机的贻贝中腹泻性贝毒快速无损检测［Ｊ］．食品与发酵工业，２０２３，４９（８）：２５８－２６４；２７１．ＬＩＵＺｈｏｎｇｙａｎ，ＬＩＵＹａｏ，ＱＩＡＯＦｕ，ｅｔａｌ．Ｒａｐｉｄｎｏｎ⁃ｄｅｓｔｒｕｃｔｉｖｅｄｅｔｅｃｔｉｏｎｏｆｄｉａｒｒｈｅａｌｓｈｅｌｌｆｉｓｈｐｏｉｓｏｎｉｎｍｕｓｓｅｌｓｂａｓｅｄｏｎｎｅａｒ⁃ｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙａｎｄｍｕｌｔｉ⁃ｌａｙｅｒｐｅｒｃｅｐｔｒｏｎ［Ｊ］．ＦｏｏｄａｎｄＦｅｒｍｅｎｔａｔｉｏｎＩｎｄｕｓｔｒｉｅｓ，２０２３，４９（８）：２５８－２６４；２７１．基于近红外光谱和多层感知机的贻贝中腹泻性贝毒快速无损检测刘忠艳１∗，刘瑶２，乔付１，郝博麟１，姜微１，熊建芳１１（岭南师范学院计算机与智能教育学院，广东湛江，５２４０４８）２（岭南师范学院电子与电气工程学院，广东湛江，５２４０４８）摘要以腹泻性贝毒（ｄｉａｒｒｈｅａｌｓｈｅｌｌｆｉｓｈｐｏｉｓｏｎ，ＤＳＰ）污染和未污染良好贻贝为研究对象，利用近红外光谱仪采集９５０～１７００ｎｍ波长内各１２０个样本的光谱数据；分析确定适合贻贝近红外光谱（ｎｅａｒ⁃ｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙ，ＮＩＳ）的最佳预处理方法来消除环境光的影响；构建多层感知机（ｍｕｌｔｉ⁃ｌａｙｅｒｐｅｒｃｅｐｔｒｏｎ，ＭＬＰ）模型作为检测ＤＳＰ污染贻贝的分类器。将２４０个样本构成的数据集按照７∶３随机划分为训练集和测试集，将运行５０次模型得到的准确率的平均值作为最终评价指标，检测ＤＳＰ污染贻贝的准确率达到９９．９４％。该研究所构建的基于ＮＩＳ的ＭＬＰ模型对ＤＳＰ的检出限为３５μｇ／ｋｇ。对于实际应用中存在的数据集中训练集所占比重不同、小样本和类别不均衡等问题，分析了ＭＬＰ模型的检测性能。实验结果表明，基于一阶导数光谱预处理的ＭＬＰ模型对以上３种问题不敏感，说明该分类器泛化能力及鲁棒性较强。因此，将ＮＩＳ与ＭＬＰ分类器结合是一种可行的贝毒无损鉴别的新方法。关键词近红外光谱；腹泻性贝毒；贻贝；多层感知机；光谱预处理第一作者：博士，副教...
