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
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：
基于可见-近红外光谱和深度森林的蓝莓成熟度判别 被引量：1
1
作者 王宏恩 冯国红 +1 位作者 徐华东 张润泽 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第11期3280-3286,共7页
为快速准确对蓝莓果实成熟程度进行分类,采用近红外光谱检测技术和深度森林算法,建立了蓝莓成熟度的判别模型。采用LabSpec 5000光谱仪采集了三种不同成熟程度的蓝莓标准样品,共获取了150组光谱样本。为确定最佳输入模型特征数目,对原... 为快速准确对蓝莓果实成熟程度进行分类,采用近红外光谱检测技术和深度森林算法,建立了蓝莓成熟度的判别模型。采用LabSpec 5000光谱仪采集了三种不同成熟程度的蓝莓标准样品,共获取了150组光谱样本。为确定最佳输入模型特征数目,对原始光谱数据进行SavitzkyGolay卷积平滑处理,采用主成分分析将平滑处理后的数据降至4个主成分,并采用多项式特征衍生方法对每个主成分进行2、3、4、5阶的特征衍生,最终在深度森林中确定最佳的特征衍生阶数为4。为检验深度森林的成熟度判别效果,将其与随机森林、极端梯度提升树算法(xgboost)及stacking融合模型进行了对比,对各模型确定了最佳超参数组合,深度森林和stacking融合模型采用了手动调参,随机森林和xgboost采用了贝叶斯优化算法进行了超参数寻优。模型评估指标采用准确率、混淆矩阵、受试者工作特征曲线(ROC)、AUC度量及抗噪能力。研究结果表明,在测试集上,深度森林和stacking融合模型的准确率均为95.56%,随机森林和xgboost的准确率为93.33%;深度森林的AUC值为1,随机森林、stacking融合模型、xgboost的AUC值分别为0.99、0.98、0.96,深度森林和stacking融合模型的抗噪能力优于随机森林和xgboost。该研究的深度森林模型整体上判别效果优于其他三种模型,为蓝莓成熟程度判别提供了技术支持。 展开更多
关键词 可见-近红外光谱 深度森林 蓝莓 成熟度 无损检测
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部