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
基于全卷积神经网络的黄花梨采收期可见-近红外光谱检测方法
被引量：
4
1
作者
刘辉军
魏超宇
+1 位作者
韩文
姚燕
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2020年第9期2932-2936,共5页
水果采收期的成熟度决定了其最终食用品质,选择果实最佳的采收期是提高水果品质的关键措施之一。可见-近红外光谱技术以其快速、无损的检测特点,适合用于水果的成熟度、采收期检测。由于采收期果实品质差异大,传统化学计量学方法需进行...
水果采收期的成熟度决定了其最终食用品质,选择果实最佳的采收期是提高水果品质的关键措施之一。可见-近红外光谱技术以其快速、无损的检测特点,适合用于水果的成熟度、采收期检测。由于采收期果实品质差异大,传统化学计量学方法需进行复杂的光谱预处理,模型难以满足不同的季节、果园等需求。提出了一种基于全卷积神经网络(CNNs)的黄花梨采收期可见-近红外光谱(Vis-NIR)检测方法,利用卷积神经网络进行光谱特征信息提取,采用误差反向传播算法结合随机梯度下降法进行层与层之间的连接权重调节,输出多采收期的Logistic回归结果,实现了黄花梨采收期的端到端检测。设计了包含1个输入层、2个卷积层、1个池化层和1个Softmax输出层等5层的一维全卷积神经网络,采用交叉熵为损失函数,增加L2正则项以防止模型的过拟合,无光谱预处理,对比分析了此方法与PLSDA方法的建模结果。试验采集了两个年度黄花梨样品共450个,其中,第一年度的300个组成训练集,90个样本组成测试集1,第二年度的60个样本组成测试集2。实验结果表明,当测试集样品与训练集来自相同年份时,PLSDA和CNNs模型对测试样品集采收期正确识别率均为100%,当测试集样品来自不同年份时,测试集样品采收期的正确识别率分别降为41.67%和88.33%,相关系数、互信息计算模型的回归系数表明,CNNs模型充分利用了样品全波段信息。可见,CNNs方法通过迭代对卷积核进行优化,实现了更灵活的光谱预处理,可降低模型训练难度,所建模型有较好的可解释性和泛化能力,该方法对建立稳健的水果采收期可见-近红外光谱检测模型有一定的参考价值,有利于实现水果精细化的分期、分批采收。
展开更多
关键词
黄花梨
可见-近红外光谱
卷积神经网络
采收期检测
在线阅读
下载PDF
职称材料
题名
基于全卷积神经网络的黄花梨采收期可见-近红外光谱检测方法
被引量：
4
1
作者
刘辉军
魏超宇
韩文
姚燕
机构
中国计量学院计量测试工程学院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2020年第9期2932-2936,共5页
基金
国家自然科学基金项目(51606181)
浙江省自然科学基金项目(LY15E040001)资助。
文摘
水果采收期的成熟度决定了其最终食用品质,选择果实最佳的采收期是提高水果品质的关键措施之一。可见-近红外光谱技术以其快速、无损的检测特点,适合用于水果的成熟度、采收期检测。由于采收期果实品质差异大,传统化学计量学方法需进行复杂的光谱预处理,模型难以满足不同的季节、果园等需求。提出了一种基于全卷积神经网络(CNNs)的黄花梨采收期可见-近红外光谱(Vis-NIR)检测方法,利用卷积神经网络进行光谱特征信息提取,采用误差反向传播算法结合随机梯度下降法进行层与层之间的连接权重调节,输出多采收期的Logistic回归结果,实现了黄花梨采收期的端到端检测。设计了包含1个输入层、2个卷积层、1个池化层和1个Softmax输出层等5层的一维全卷积神经网络,采用交叉熵为损失函数,增加L2正则项以防止模型的过拟合,无光谱预处理,对比分析了此方法与PLSDA方法的建模结果。试验采集了两个年度黄花梨样品共450个,其中,第一年度的300个组成训练集,90个样本组成测试集1,第二年度的60个样本组成测试集2。实验结果表明,当测试集样品与训练集来自相同年份时,PLSDA和CNNs模型对测试样品集采收期正确识别率均为100%,当测试集样品来自不同年份时,测试集样品采收期的正确识别率分别降为41.67%和88.33%,相关系数、互信息计算模型的回归系数表明,CNNs模型充分利用了样品全波段信息。可见,CNNs方法通过迭代对卷积核进行优化,实现了更灵活的光谱预处理,可降低模型训练难度,所建模型有较好的可解释性和泛化能力,该方法对建立稳健的水果采收期可见-近红外光谱检测模型有一定的参考价值,有利于实现水果精细化的分期、分批采收。
关键词
黄花梨
可见-近红外光谱
卷积神经网络
采收期检测
Keywords
Huanghua pear
Visible-near infrared spectroscopy
Convolutional neural networks
Determination of harvest time
分类号
S123 [农业科学—农业基础科学]
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
基于全卷积神经网络的黄花梨采收期可见-近红外光谱检测方法
刘辉军
魏超宇
韩文
姚燕
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2020
4
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
