基于近红外光谱技术和LSPTSVM模型的镉污染贻贝检测研究

贝类重金属污染已成为亟待解决的海洋食品安全问题，镉是重要的污染源之一。食用被重金属镉污染的翡翠贻贝会严重危害身体健康。研究了基于近红外反射光谱的镉污染贻贝无损、快速检测方法。通过采集正常贻贝和镉污染贻贝的950～1700 nm光谱数据，构建基于最小二乘投影孪生支持向量机(least squares projection twin support vector machine, LSPTSVM)检测模型，优化模型参数和正交投影轴数量获得最佳检测性能。提出的LSPTSVM模型检测镉污染贻贝准确率达到99.50%,优于其他孪生支持向量机模型。LSPTSVM模型适用于小样本数据集。针对难以获得大量镉污染训练样本情况，LSPTSVM模型较其他模型具有更好的稳健性。结果表明：近红外光谱结合LSPTSVM模型可实现镉污染贻贝检测，为贝类的品质评价和安全检测提供一种新的方法。