基于近红外光谱技术结合机器学习的咖啡粉掺假检测分析

　　摘要： 开发一种基于近红外光谱结合机器学习建模的快速、无损检测方法，用于对掺杂大豆粉的咖啡进行定量检测，采用分层建模策略以提高预测准确率。支持向量回归结合3 种光谱预处理方法被用于构建预测模型。通过对比竞争性自适应重加权采样和迭代保留信息变量方法，确定30 个特征波长。引入3 种优化算法（蜣螂优化算法、粒子群优化算法、灰狼优化算法），构建的模型校正集和测试集的决定系数（R2）为0.978 4、0.966 9，均方根误差分别为0.015 7和0.022 8，残差预测偏差比分别达到6.809 6、5.499 8。研究表明，近红外光谱技术为识别掺假大豆粉的咖啡检测提供了一种有效的技术手段。