期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于高光谱成像技术和自适应增强网络的水蜜桃产地溯源
1
作者 王昳昀 马芸芸 +3 位作者 杨冕清 赵庆典 陈国良 刘大洋 《食品安全质量检测学报》 CAS 2024年第23期77-87,共11页
目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信... 目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信息,并利用提取的光谱信息进行建模。分别比较在3种预处理方法下的AdaBoost、随机森林、长短期记忆网络、径向基函数神经网络产地分类模型,并选出最优模型。随后,利用连续投影算法(successive projections algorithm,SPA)和无信息变量剔除进行特征波长的提取,以进一步优化模型。结果实验结果表明,全光谱下基于标准正态变量(standard normal variate,SNV)预处理的AdaBoost模型分类效果最好,训练集和测试集的准确率分别达到100.0%和98.7%,召回率和F1值分别为95.8%和97.9%。在对AdaBoost模型采用SPA提取9个特征波长后,SPA-SNV-AdaBoost模型训练集和测试集准确率都达到了100.0%,召回率和F1值也达到100.0%。结论本研究基于高光谱成像技术和AdaBoost算法,构建了一种全新的水蜜桃不同产地分类模型,经过预处理和特征提取,该模型获得了较高的精度,能够有效地进行水蜜桃产地溯源,为水蜜桃品牌鉴别真伪打下了坚实的基础。 展开更多
关键词 高光谱成像技术 自适应增强网络算法 水蜜桃 产地溯源 机器学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部