期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
融合SERS和深度学习的玉露香梨机械损伤早期检测方法
1
作者 许德芳 关洪浦 +2 位作者 赵华民 张淑娟 赵艳茹 《光谱学与光谱分析》 北大核心 2025年第6期1712-1718,共7页
玉露香梨因其果肉酥脆、汁多香甜而深受消费者喜爱,但在运输过程中易发生机械损伤,若未及时检测,将导致果实内部腐烂,进而影响整批果实新鲜度并造成经济损失。鉴于传统肉眼检测方法难以快速、精准识别早期损伤,提出一种基于表面增强拉... 玉露香梨因其果肉酥脆、汁多香甜而深受消费者喜爱,但在运输过程中易发生机械损伤,若未及时检测,将导致果实内部腐烂,进而影响整批果实新鲜度并造成经济损失。鉴于传统肉眼检测方法难以快速、精准识别早期损伤,提出一种基于表面增强拉曼光谱(SERS)结合深度学习模型的检测方法,探明玉露香梨在机械损伤早期发生阶段中的拉曼光学特性变化规律,通过深度学习算法挖掘早期损伤阶段的光谱特征,进行玉露香梨早期机械损伤检测。具体研究内容(1)构筑高灵敏SERS银溶胶纳米基底结合拉曼光谱仪获取不同损伤阶段的玉露香梨表面SERS光谱数据;(2)采用S-G平滑和迭代自适应加权惩罚最小二乘法进行原始光谱的预处理,消除荧光噪声和基线漂移;(3)利用数据增强技术扩展训练数据,快速傅里叶变换提取特征并构建一维卷积神经网络(1D-CNN)模型进行玉露香梨机械损伤的早期检测。结果表明,模型在准确率、精度、召回率和F1分数等多个指标均达到100%,同时梨果损伤部位蛋白质的拉曼特征峰由1607 cm^(-1)向1589 cm^(-1)发生了偏移。研究表明SERS结合深度学习在玉露香梨机械损伤早期检测中较强的判别能力,为果品损伤早期检测提供了一种新的研究思路,同时,为开发高灵敏性的水果品质检测传感器提供数据支撑。 展开更多
关键词 表面增强拉曼光谱 玉露香梨 深度学习 早期损伤检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部