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PLS与CNN的甘薯淀粉掺假鉴别及量化比较
1
作者
夏珍珍
张博源
+5 位作者
郑丹
陶明芳
张仙
廖先清
余琼卫
彭西甜
《食品科学》
北大核心
2025年第20期327-336,共10页
本研究提出一种基于近红外光谱(near-infrared spectroscopy,NIR)和一维卷积神经网络(one-dimension convolutional neural network,1D-CNN)的甘薯淀粉掺假鉴别与定量的分析方法。为实现甘薯淀粉在不同种类和掺假比例下的定性定量分析,...
本研究提出一种基于近红外光谱(near-infrared spectroscopy,NIR)和一维卷积神经网络(one-dimension convolutional neural network,1D-CNN)的甘薯淀粉掺假鉴别与定量的分析方法。为实现甘薯淀粉在不同种类和掺假比例下的定性定量分析,分别采集甘薯、玉米、土豆、木薯等纯薯类淀粉和以10%为梯度制备的不同比例掺假甘薯淀粉的原始光谱。分别运用一阶导数(first-order derivative,1st)、连续小波变换(continuous wavelet transform,CWT)、多元散射校正(multiplicative scatter correction,MSC)和标准正态变换(standard normal variate transformation,SNV)进行光谱预处理,利用卷积神经网络(convolutional neural network,CNN)算法将预处理前后的光谱作为1D-CNN的输入信号构建薯类淀粉分类模型和甘薯淀粉含量预测模型,并将光谱预处理前后的1D-CNN建模效果与传统的偏最小二乘(partial least squares,PLS)建模结果进行比较。结果表明,不同的光谱预处理方法可以不同程度地提高分类模型和定量模型的准确度,其中1st和CWT方法的效果要优于MSC和SNV方法。分类模型中,1D-CNN方法的预测精度较PLS方法更高;预测集中,样品光谱预处理后使用1D-CNN对不同薯类淀粉预测正确率达到100%;定量模型中,PLS方法和1D-CNN方法均可实现单一混合淀粉掺假情况下甘薯淀粉含量的精准预测,而且PLS和1D-CNN模型的预测集决定系数和预测集均方根误差相近。与PLS方法相比,1D-CNN方法在分类上的效果要优于定量效果。本研究表明NIR、1D-CNN和PLS相结合可以实现掺假薯类淀粉的鉴别和其中甘薯淀粉含量的量化,对市场中薯类淀粉掺假的质量安全筛查具有现实意义。
展开更多
关键词
近红外光谱
甘薯
淀粉
淀粉掺假
卷积神经网络
偏最小二乘
在线阅读
下载PDF
职称材料
题名
基于PLS与CNN的甘薯淀粉掺假鉴别及量化比较
1
作者
夏珍珍
张博源
郑丹
陶明芳
张仙
廖先清
余琼卫
彭西甜
机构
湖北省农业科学院农业质量标准与检测技术研究所
武汉大学化学与分子科学学院
出处
《食品科学》
北大核心
2025年第20期327-336,共10页
基金
湖北省计划创新项目(2024BBB098,2022BBA0069)。
文摘
本研究提出一种基于近红外光谱(near-infrared spectroscopy,NIR)和一维卷积神经网络(one-dimension convolutional neural network,1D-CNN)的甘薯淀粉掺假鉴别与定量的分析方法。为实现甘薯淀粉在不同种类和掺假比例下的定性定量分析,分别采集甘薯、玉米、土豆、木薯等纯薯类淀粉和以10%为梯度制备的不同比例掺假甘薯淀粉的原始光谱。分别运用一阶导数(first-order derivative,1st)、连续小波变换(continuous wavelet transform,CWT)、多元散射校正(multiplicative scatter correction,MSC)和标准正态变换(standard normal variate transformation,SNV)进行光谱预处理,利用卷积神经网络(convolutional neural network,CNN)算法将预处理前后的光谱作为1D-CNN的输入信号构建薯类淀粉分类模型和甘薯淀粉含量预测模型,并将光谱预处理前后的1D-CNN建模效果与传统的偏最小二乘(partial least squares,PLS)建模结果进行比较。结果表明,不同的光谱预处理方法可以不同程度地提高分类模型和定量模型的准确度,其中1st和CWT方法的效果要优于MSC和SNV方法。分类模型中,1D-CNN方法的预测精度较PLS方法更高;预测集中,样品光谱预处理后使用1D-CNN对不同薯类淀粉预测正确率达到100%;定量模型中,PLS方法和1D-CNN方法均可实现单一混合淀粉掺假情况下甘薯淀粉含量的精准预测,而且PLS和1D-CNN模型的预测集决定系数和预测集均方根误差相近。与PLS方法相比,1D-CNN方法在分类上的效果要优于定量效果。本研究表明NIR、1D-CNN和PLS相结合可以实现掺假薯类淀粉的鉴别和其中甘薯淀粉含量的量化,对市场中薯类淀粉掺假的质量安全筛查具有现实意义。
关键词
近红外光谱
甘薯
淀粉
淀粉掺假
卷积神经网络
偏最小二乘
Keywords
near-infrared spectroscopy
sweet potato starch
adulterated starch
convolutional neural network
partial least squares
分类号
TS210.4 [轻工技术与工程—粮食、油脂及植物蛋白工程]
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PLS与CNN的甘薯淀粉掺假鉴别及量化比较
夏珍珍
张博源
郑丹
陶明芳
张仙
廖先清
余琼卫
彭西甜
《食品科学》
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
