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
高光谱成像技术结合深度学习的藕粉识别和掺假检测
1
作者
彭健恒
胡新军
+4 位作者
张嘉洪
田建平
陈满骄
黄丹
罗惠波
《光谱学与光谱分析》
北大核心
2025年第6期1759-1767,共9页
藕粉营养价值高,工艺复杂,一些不法商家受到利益的驱使,利用廉价的普通淀粉冒充藕粉或在藕粉中掺入普通淀粉。传统的藕粉真伪检查方法耗时耗力,具有破坏性。高光谱成像技术凭借其快速、无损且精确的优点在食品安全检测领域得到广泛应用...
藕粉营养价值高,工艺复杂,一些不法商家受到利益的驱使,利用廉价的普通淀粉冒充藕粉或在藕粉中掺入普通淀粉。传统的藕粉真伪检查方法耗时耗力,具有破坏性。高光谱成像技术凭借其快速、无损且精确的优点在食品安全检测领域得到广泛应用。因此,为了准确区分藕粉和其他普通淀粉并识别掺假藕粉,提出了一种高光谱成像技术结合深度学习的快速鉴别藕粉真伪的方法。利用高光谱成像技术采集900~1700 nm波段范围内的纯藕粉、四种普通淀粉以及掺假淀粉的高光谱图像。在纯藕粉和四种普通淀粉的高光谱图像中划分若干个感兴趣区域(ROI),计算每个ROI的平均反射率作为构建分类模型的原始光谱数据。去除掉原始光谱前后受噪音影响的异常波段,保留了940~1675 nm之间的443个波段。接着通过孤立森林(IF)算法剔除掉光谱数据中的异常数据。为提高模型训练效率,采用竞争性自适应重加权算法(CARS)、自助软收缩算法(BOSS)和通道注意力模块(CAMM)三种方法分别从443个波段中提取出45、32和12个特征波长。基于提取出的特征波长的光谱数据,构建了偏最小二乘判别(PLS-DA)分类模型,其中CAMM-PLS-DA模型识别效果最好,测试集准确率达到了95.25%。为了确定最佳分类模型,基于CAMM提取不同特征波长数目下的光谱数据,建立PLS-DA、支持向量机(SVM)和卷积神经网络(CNN)分类模型,其中CAMM-CNN模型的分类性能最好,测试集准确率最高达到了99.69%。为进一步检验CAMM-CNN模型对掺假藕粉的鉴别能力,将掺假藕粉高光谱图像所有像素点的光谱数据输入到训练好的CAMM-CNN模型中进行判别,从可视化图像看出,模型成功识别出掺假藕粉中的多种普通淀粉。研究结果表明,高光谱成像技术结合深度学习方法可以有效地应用于藕粉的真伪鉴别,这为打击藕粉掺假行为和保障藕粉安全提供了一种新的检测手段。
展开更多
关键词
藕粉
掺假
高光谱成像技术
深度学习
通道注意力机制模块
卷积神经网络
在线阅读
下载PDF
职称材料
题名
高光谱成像技术结合深度学习的藕粉识别和掺假检测
1
作者
彭健恒
胡新军
张嘉洪
田建平
陈满骄
黄丹
罗惠波
机构
四川轻化工大学机械工程学院
酿酒生物技术及应用四川省重点实验室
出处
《光谱学与光谱分析》
北大核心
2025年第6期1759-1767,共9页
基金
国家自然科学基金项目(32372310)
四川省科技厅项目(2023YFS0451)
+1 种基金
酿酒生物技术及应用四川省重点实验开放课题项目(NJ2022-08)
四川轻化工大学研究生创新基金项目(Y2023098)资助。
文摘
藕粉营养价值高,工艺复杂,一些不法商家受到利益的驱使,利用廉价的普通淀粉冒充藕粉或在藕粉中掺入普通淀粉。传统的藕粉真伪检查方法耗时耗力,具有破坏性。高光谱成像技术凭借其快速、无损且精确的优点在食品安全检测领域得到广泛应用。因此,为了准确区分藕粉和其他普通淀粉并识别掺假藕粉,提出了一种高光谱成像技术结合深度学习的快速鉴别藕粉真伪的方法。利用高光谱成像技术采集900~1700 nm波段范围内的纯藕粉、四种普通淀粉以及掺假淀粉的高光谱图像。在纯藕粉和四种普通淀粉的高光谱图像中划分若干个感兴趣区域(ROI),计算每个ROI的平均反射率作为构建分类模型的原始光谱数据。去除掉原始光谱前后受噪音影响的异常波段,保留了940~1675 nm之间的443个波段。接着通过孤立森林(IF)算法剔除掉光谱数据中的异常数据。为提高模型训练效率,采用竞争性自适应重加权算法(CARS)、自助软收缩算法(BOSS)和通道注意力模块(CAMM)三种方法分别从443个波段中提取出45、32和12个特征波长。基于提取出的特征波长的光谱数据,构建了偏最小二乘判别(PLS-DA)分类模型,其中CAMM-PLS-DA模型识别效果最好,测试集准确率达到了95.25%。为了确定最佳分类模型,基于CAMM提取不同特征波长数目下的光谱数据,建立PLS-DA、支持向量机(SVM)和卷积神经网络(CNN)分类模型,其中CAMM-CNN模型的分类性能最好,测试集准确率最高达到了99.69%。为进一步检验CAMM-CNN模型对掺假藕粉的鉴别能力,将掺假藕粉高光谱图像所有像素点的光谱数据输入到训练好的CAMM-CNN模型中进行判别,从可视化图像看出,模型成功识别出掺假藕粉中的多种普通淀粉。研究结果表明,高光谱成像技术结合深度学习方法可以有效地应用于藕粉的真伪鉴别,这为打击藕粉掺假行为和保障藕粉安全提供了一种新的检测手段。
关键词
藕粉
掺假
高光谱成像技术
深度学习
通道注意力机制模块
卷积神经网络
Keywords
Lotus root starch
Adulteration
Hyperspectral imaging technology
Deep learning
Channel attention mechanism module
Convolutional neural network
分类号
TS237 [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
高光谱成像技术结合深度学习的藕粉识别和掺假检测
彭健恒
胡新军
张嘉洪
田建平
陈满骄
黄丹
罗惠波
《光谱学与光谱分析》
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
