1、香榧果實(shí)營養(yǎng)豐富，具有特殊的酚香氣味，在干果市場(chǎng)上香榧的價(jià)格也比較高，因此很多不法商家出售自家種植的香榧或者出售次等香榧，卻用知名地域標(biāo)識(shí)的品牌包裝袋包裝，以次充好，弄虛作假，擾亂了正常的香榧市場(chǎng)秩序。傳統(tǒng)的方法耗時(shí)耗力，為快速鑒別出是否具有產(chǎn)地認(rèn)證標(biāo)志的香榧，本文首次利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量統(tǒng)計(jì)方法對(duì)不同產(chǎn)地的香榧做判別分析研究。
　　本研究通過近紅外漫反射光譜儀采集臨安、紹興、嵊州三地的香榧樣品各100個(gè)，剔除異常的香榧

2、，然后將香榧樣品按照3∶1比例采用Random Sampling（RS法）劃分校正集和預(yù)測(cè)集，校正樣本84個(gè)，預(yù)測(cè)樣本28個(gè)。選取4000～10000cm-1波段，對(duì)光譜進(jìn)行一階導(dǎo)數(shù)(FD)、多元散射校正(MSC)等預(yù)處理，然后運(yùn)用PCA-DA、KNN、PLS-DA、LS-SVM、SIMCA法建立判別模型，比較這5種模型的建模效果。
　　結(jié)果表明:最小二乘支持向量機(jī)法(LS-SVM)和主成分（PCA-LDA）法的建模效果最好，在L

3、S-SVM模型中，F(xiàn)D和MSC+FD預(yù)處理下的校正集正確識(shí)別率為100％，預(yù)測(cè)集正確識(shí)別率96.43％;在PCA-LDA的模型中，F(xiàn)D預(yù)處理下的校正集的正確識(shí)別率為98.81％，測(cè)試集的正確識(shí)別率為100.00％;在PLS-DA的模型中，MSC+FD和FD預(yù)處理方法下建模集的正確識(shí)別率不低于90％，校正集的正確識(shí)別率都為100.00％;在KNN和SIMCA的模型中，建模集和測(cè)試集的平均正確識(shí)別率都低于70％。
　　實(shí)驗(yàn)結(jié)果證明:利