期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高光谱和多头注意力机制的草鱼鲜味强度检测
1
作者
万仕文
冯耀泽
+4 位作者
舒国强
赵名泉
王益健
孔丽琴
朱明
《华中农业大学学报》
北大核心
2025年第5期280-287,共8页
针对现有鲜味强度检测方法主观性强、耗时长和样本破坏性等问题,使用深度学习和机器学习算法结合高光谱成像技术构建草鱼鲜味强度快速无损检测方法。采集草鱼高光谱数据后,使用竞争性自适应重加权抽样法选取光谱特征波长,开发高斯加权...
针对现有鲜味强度检测方法主观性强、耗时长和样本破坏性等问题,使用深度学习和机器学习算法结合高光谱成像技术构建草鱼鲜味强度快速无损检测方法。采集草鱼高光谱数据后,使用竞争性自适应重加权抽样法选取光谱特征波长,开发高斯加权多头注意力网络(gaussian-weighted multi-head attention network,GMANet)并应用支持向量机回归(support vector machine regression,SVR)、偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)、1D-ResNet等传统算法建立和优化草鱼鲜味检测模型。结果显示,GMANet网络的预测均方根误差RMSEP和预测决定系数(R2 P)分别为0.0082和0.8844,优于传统算法中的最优建模方法SVR,其RMSEP和R2 P分别为0.0077和0.8188。
展开更多
关键词
草鱼
高光谱
鲜味强度
深度学习
高斯加权多头注意力网络
感官分析
在线阅读
下载PDF
职称材料
题名
基于高光谱和多头注意力机制的草鱼鲜味强度检测
1
作者
万仕文
冯耀泽
舒国强
赵名泉
王益健
孔丽琴
朱明
机构
华中农业大学信息学院
华中农业大学工学院
华中农业大学深圳营养与健康研究院
中国农业科学院深圳农业基因组研究所/岭南现代农业科学与技术广东省实验室深圳分中心
农业农村部长江中下游农业装备实验室
农业农村部水产养殖重点实验室
出处
《华中农业大学学报》
北大核心
2025年第5期280-287,共8页
基金
湖北省重点研发计划项目(2023BBB038)
华中农业大学-深圳营养与健康研究院合作基金项目(SZYJY2021028)。
文摘
针对现有鲜味强度检测方法主观性强、耗时长和样本破坏性等问题,使用深度学习和机器学习算法结合高光谱成像技术构建草鱼鲜味强度快速无损检测方法。采集草鱼高光谱数据后,使用竞争性自适应重加权抽样法选取光谱特征波长,开发高斯加权多头注意力网络(gaussian-weighted multi-head attention network,GMANet)并应用支持向量机回归(support vector machine regression,SVR)、偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)、1D-ResNet等传统算法建立和优化草鱼鲜味检测模型。结果显示,GMANet网络的预测均方根误差RMSEP和预测决定系数(R2 P)分别为0.0082和0.8844,优于传统算法中的最优建模方法SVR,其RMSEP和R2 P分别为0.0077和0.8188。
关键词
草鱼
高光谱
鲜味强度
深度学习
高斯加权多头注意力网络
感官分析
Keywords
grass carp
hyper-spectrum
umami intensity
deep learning
gaussian-weighted multihead attention network
sensory analysis
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高光谱和多头注意力机制的草鱼鲜味强度检测
万仕文
冯耀泽
舒国强
赵名泉
王益健
孔丽琴
朱明
《华中农业大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
