基于聚类分析的淀粉种类鉴别模型建立与分析

1.不进行预处理

左侧为玉米淀粉，右侧为马铃薯淀粉，从树状图（见图11-3）可看出2号应为马铃薯淀粉，但是归类到了玉米淀粉中，所建模型准确率高达97.8%。

2.SNV

左侧为玉米淀粉，右侧为马铃薯淀粉，从树状图（见图11-4）可看出2号应为马铃薯淀粉，但是归类到了玉米淀粉中，所建模型准确率高达97.8%。

图11-2 近红外定性分析的频率选择范围

图11-3 样本数据不进行预处理的聚类分析结果

图11-4 样本数据SNV的聚类分析结果

3.一阶导数

左侧为玉米淀粉，右侧为马铃薯淀粉，从树状图（见图11-5）可看出2号和28号应为土豆淀粉，但是归类到了玉米淀粉中，所建模型准确率为95.6%。

图11-5 样本数据一阶导数的聚类分析结果

4.一阶导数+SNV

左侧为玉米淀粉，右侧为马铃薯淀粉，从树状图（见图11-6）可看出分类完全正确，准确率高达100%。(www.xing528.com)

图11-6 样本数据一阶导数+SNV的聚类分析结果

5.二阶导数

左侧为玉米淀粉，右侧为玉米淀粉和马铃薯淀粉的混合，并且两者掺杂度非常高。此树状图（见图11-7）错误分类数据太多，所以所建模型误差太大，不可采用。

图11-7 样本数据二阶导数的聚类分析结果

6.二阶导数+SNV

树状图（见图11-8）左右两分支均为马铃薯淀粉与玉米淀粉的混合，且掺杂度都很高，无法做到清晰正确分类，因此分类结果误差太大，此模型不可被采用。

图11-8 样本数据二阶导数+SNV的聚类分析结果

7.基于近红外光谱的淀粉种类建模结果对比（见表11-1）

表11-1 淀粉近红外光谱建模结果分析比对表

从以上建模结果对比来看，一阶导数+SNV的建模结果分类错误最少，准确率达100%，并且测试样本的测试结果表示分类均正确无误。

研究基于近红外光谱结合聚类分析法对马铃薯淀粉和玉米淀粉进行了鉴别，鉴别结果准确率达到了100%。此方法比常规鉴别法简便、准确，且更具有科学性，从而为淀粉种类的鉴定提供了一种新的方法和手段。