zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Scienceszhps-611Research ArticleСтатьиАЛГОРИТМ ИНДУЦИРОВАННЫХ ГЕНЕТИЧЕСКИХ МУТАЦИЙ ДЛЯ ОТБОРА СПЕКТРАЛЬНЫХ ПЕРЕМЕННЫХ В БЛИЖНЕЙ ИНФРАКРАСНОЙ СПЕКТРОСКОПИИNEW INDUCED MUTATION GENETIC ALGORITHM FOR SPECTRAL VARIABLES SELECTION IN NEAR INFRARED SPECTROSCOPYZhuangX. G.ZhuangX. G.

Циндао

Qingdao

xingangzhuang@163.comShiX. S.ShiX. S.

Циндао

Qingdao

ZhangP. J.ZhangP. J.

Циндао

Qingdao

LiuH. B.LiuH. B.

Циндао

Qingdao

LiuC. M.LiuC. M.

Циндао

Qingdao

WangH. F.WangH. F.

Циндао

Qingdao

41-й Научно-исследовательский институт CETC; Научно-техническая лаборатория электронных испытаний и измеренийThe 41st Research Institute of CETC; Science and Technology on Electronic Test & Measurement Laboratory41-й Научно-исследовательский институт CETCThe 41st Research Institute of CETC202007052020872245251Copyright © Zhuang X.G., Shi X.S., Zhang P.J., Liu H.B., Liu C.M., Wang H.F., 20202020Zhuang X.G., Shi X.S., Zhang P.J., Liu H.B., Liu C.M., Wang H.F.Zhuang X.G., Shi X.S., Zhang P.J., Liu H.B., Liu C.M., Wang H.F.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/611

Предлагается новый метод выбора спектральных переменных для ближней ИК спектроскопии — алгоритм индуцированных генетических мутаций (IMGA). Основываясь на генетическом алгоритме (GA), IMGA значительно упрощает процесс биологической эволюции, которая не только наследует преимущества глобальной оптимизации GA, но и эффективно улучшает скорость конвергенции. IMGA применен для выбора характерных спектральных переменных для идентификации происхождения зеленого чая. После пяти серий генетических эволюций из 156 спектральных переменных выбраны 11 характерных спектральных переменных, на основе которых с помощью метода частичных наименьших квадратов (PLS) построена классификационная модель, при этом для набора прогнозирования чувствительность и определенность классификационной модели повышаются до единицы. Показано, что IMGA можно использовать для выбора характеристических спектральных переменных и существенно улучшить точность прогнозирования и скорость расчета модели для ближней ИК области.

In this paper, a new spectral variables selection method, induced mutation genetic algorithm (IMGA), is proposed for near-infrared (NIR) spectroscopy. Based on the idea of genetic algorithm (GA), the IMGA greatly simplifies the process of biological evolution, which not only inherits the advantages of global optimization of the GA, but also effectively improves the convergence speed. In this study, the IMGA is applied to the selection of characteristic spectral variables for green tea origin identification. After five times of genetic evolutions, 11 characteristic spectral variables are selected from 156 spectral variables. Based on the 11 characteristic spectral variables, the classification model is built by partial least squares (PLS), and both the sensitivity and specificity of classification model are raised to 1 for prediction set. The overall results indicate that the IMGA can be well applied to the selection of characteristic spectral variables and effectively improve the prediction accuracy and calculation speed of the near-infrared model.

алгоритм индуцированных генетических мутацийближняя ИК спектроскопияспектральные переменныезеленый чайinduced mutation genetic algorithm (IMGA)NIR spectroscopyspectral variablesgreen teaThis work has been financially supported by the Key Research and Development Program of Anhui Province (No. 201904a07020073), Foundation of Science and Technology on Electronic Test & Measurement Laboratory (No. 6142001180307), and National Defense Basic Technology of China (No. JSJL2018210C003).ReferencesV. R. Sinija, H. N. Mishra, Food Bioproc. Technol., 4, 136–141 (2011).V. R. Sinija, H. N. Mishra, Food Bioproc. Technol., 4, 136–141 (2011).X. G. Zhuang, L. L. Wang, Q. Chen, X. Y. Wu, J. X. Fang, Sci. China Technol., 60, 84–90 (2017).X. G. Zhuang, L. L. Wang, Q. Chen, X. Y. Wu, J. X. Fang, Sci. China Technol., 60, 84–90 (2017).Q. S. Chen, J. W. Zhao, H. Lin, Spectrochim. Acta, A, 72, 845–850 (2009).Q. S. Chen, J. W. Zhao, H. Lin, Spectrochim. Acta, A, 72, 845–850 (2009).D. Ono, T. Bamba, Y. Oku, T. Yonetani, E. Fukusaki, J. Biosci. Bioeng., 112, 247–251 (2011).D. Ono, T. Bamba, Y. Oku, T. Yonetani, E. Fukusaki, J. Biosci. Bioeng., 112, 247–251 (2011).Z. M. Guo, Q. S. Chen, L. P. Chen, W. Q. Huang, C. Zhang, C. J. Zhao, Appl. Spectrosc., 65, 1062–1067 (2011).Z. M. Guo, Q. S. Chen, L. P. Chen, W. Q. Huang, C. Zhang, C. J. Zhao, Appl. Spectrosc., 65, 1062–1067 (2011).Q. O. Yang, J. W. Zhao, Q. S. Chen, H. Lin, Z. B. Sun, Anal. Methods, 4, 940–946 (2012).Q. O. Yang, J. W. Zhao, Q. S. Chen, H. Lin, Z. B. Sun, Anal. Methods, 4, 940–946 (2012).M. Vohland, M. Ludwig, S. Thiele-Bruhn, B. Ludwig, Geoderma, 223-225, 88–96 (2014).M. Vohland, M. Ludwig, S. Thiele-Bruhn, B. Ludwig, Geoderma, 223-225, 88–96 (2014).H. Jiang, G. H. Liu, C. L. Mei, S. Yu, X. H. Xiao, Y. H. Ding, Anal. Bioanal. Chem., 404, 603–611 (2012).H. Jiang, G. H. Liu, C. L. Mei, S. Yu, X. H. Xiao, Y. H. Ding, Anal. Bioanal. Chem., 404, 603–611 (2012).B. M. Smith, P. J. Gemperline, Anal. Chim. Acta, 423, 167–177 (2000).B. M. Smith, P. J. Gemperline, Anal. Chim. Acta, 423, 167–177 (2000).J. Y. Shi, X. P. Yin, X. B. Zou, J. W. Zhao, S. G. Ju, Chin. Soc. Agric. Mach., 41, 99–103 (2010).J. Y. Shi, X. P. Yin, X. B. Zou, J. W. Zhao, S. G. Ju, Chin. Soc. Agric. Mach., 41, 99–103 (2010).M. Ghasemi-Varnamkhasti, S. S. Mohtasebi, M. L. Rodriguez-Mendez, A. A. Gomes, M. C. U. Araújo, R. K. H. Galvão, Talanta, 89, 286–291 (2012).M. Ghasemi-Varnamkhasti, S. S. Mohtasebi, M. L. Rodriguez-Mendez, A. A. Gomes, M. C. U. Araújo, R. K. H. Galvão, Talanta, 89, 286–291 (2012).X. G. Zhuang, L. L. Wang, X. Y. Wu, J. X. Fang, J. Infrared Millimeter Waves, 35, 200–205 (2016).X. G. Zhuang, L. L. Wang, X. Y. Wu, J. X. Fang, J. Infrared Millimeter Waves, 35, 200–205 (2016).J. Jiang, R. J. Berry, H. W. Siesler, Y. Ozaki, Anal. Chem., 74, 3555–3565 (2002).J. Jiang, R. J. Berry, H. W. Siesler, Y. Ozaki, Anal. Chem., 74, 3555–3565 (2002).R. Leardi, A. L. Gonzalez, Chemometr. Intell. Lab., 41, 195–207 (1998).R. Leardi, A. L. Gonzalez, Chemometr. Intell. Lab., 41, 195–207 (1998).Q. S. Chen, P. Jiang, J. W. Zhao, Spectrochim. Acta, A, 76, 50–55 (2010).Q. S. Chen, P. Jiang, J. W. Zhao, Spectrochim. Acta, A, 76, 50–55 (2010).J. H. Holland, Adaptation in Natural and Artificial Systems, MIT Press, 126–137 (1975).J. H. Holland, Adaptation in Natural and Artificial Systems, MIT Press, 126–137 (1975).L. Cséfalvayová, M. Pelikan, I. Kralj Cigić, J. Kolar, M. Strlič, Talanta, 82, 1784–1790 (2010).L. Cséfalvayová, M. Pelikan, I. Kralj Cigić, J. Kolar, M. Strlič, Talanta, 82, 1784–1790 (2010).Y. F. Zhai, L. J. Cui, X. Zhou, Y. Gao, T. Fei, W. X. Gao, Int. J. Remote Sens., 34, 2502–2518 (2013).Y. F. Zhai, L. J. Cui, X. Zhou, Y. Gao, T. Fei, W. X. Gao, Int. J. Remote Sens., 34, 2502–2518 (2013).

The authors declare that there are no conflicts of interest present.