Идентификация продовольственных товаров — комплексная аналитическая задача. Многомерный анализ спектральных данных и гиперспектральных изображений является перспективным подходом для идентификации продовольственных товаров. Преимущества такого подхода обусловлены минимальной пробоподготовкой, большим количеством химической информации, содержащейся в спектральных данных и гиперспектральных изображениях. Моделирование спектральных данных и гиперспектральных данных методами многомерного анализа позволяет решать задачи ассортиментной идентификации [1], аутентификации, подтверждения подлинности [2, 3] и определения квалиметрических показателей.
Цель работы — разработка методов идентификации продовольственных товаров методами многомерного статистического анализа спектральных данных и гиперспектральных изображений.
Идентификация пищевых товаров методами многомерного анализа спектральных данных и гиперспектральных изображений выполняет две основные задачи: классификацию по различным признакам и определение или прогнозирование квалиметрических показателей. В качестве цифровых сигналов для построения многомерных моделей возможно использование данных спектроколориметрии (координаты цвета в системе CIE L*a*b*), спектральных данных (UV-, VIS-, NIR-, SWIR-спектроскопия), гиперспектральных изображений в VISили NIR-диапазоне.
Использованием одного блока данных возможно решение задач классификации, а для решения задач квалиметрии требуется два блока данных: предикторы и отклики [4]. В решении задач классификации используют многомерные методы: 1) без обучения — кластерный анализ, метод главных компонент; 2) с обучением — дискриминантный анализ и его продвинутые модификации PCA-LDA, PCA-QDA, PLS-DA [5, 6]. Для решения задач квалиметрии применяются методы регрессии на главные компоненты (РГК), проекции на латентные структуры (ПЛС), опорный вектор регрессии. На рис. 1 представлена методология многомерного моделирования для решения задач классификации и квалиметрии.