一种多产地小米鉴别的太赫兹时域光谱检测方法

针对传统的小米产地鉴别方法耗时费力、操作复杂、具有破坏性，对检测人员的专业性较高等问题，本发明公开了一种多产地小米鉴别的太赫兹时域光谱检测方法。利用太赫兹时域光谱技术结合支持向量机(SVM)、随机森林(RF)和核极限学习机(KELM)三个机器学习模型对小米的产地实现了精准鉴别。分别使用投票法、stacking和Topsis‑Stacking集成SVM、RF和KELM模型分析小米光谱数据，其中以Topsis‑Stacking方法集成三个模型的方法对五个产地的小米展现出优秀的分类性能，在预测集上的平均准确率、F1分数以及Kappa均达到100％，显著超越单一模型、传统投票法和stacking法，且过程中无需任何参数优化。本发明提供的方法在鉴别不同产地小米方面具有快速、无损、安全等方面的优势，为粮食安全及品质控制提供了一种新的技术途径。