-
题名谷物品质在线检测:基于近红外光谱的建模与迁移
- 1
-
-
作者
崔晨昊
樊晨
-
机构
布勒(中国)投资有限公司
西安交通大学
-
出处
《粮油食品科技》
北大核心
2025年第3期74-84,I0012,共12页
-
文摘
谷物作为全球粮食供应的基础,其品质检测对保障食品安全和提高生产效率至关重要。传统的实验室方法虽准确,但耗时且成本高,难以满足在线实时检测的需求。近红外(NIR)光谱技术以其快速、无损、多指标同步检测的优势,在谷物品质检测领域得到广泛应用。然而,NIR光谱数据的高维性、复杂性以及不同仪器、环境和样品间的差异,对建模方法和模型迁移提出了挑战。本文综述了近红外光谱技术在谷物食品品质在线检测中的应用,系统梳理了从传统线性建模(如偏最小二乘回归)、非线性建模(如支持向量机、人工神经网络)到深度学习方法(如卷积神经网络)的发展历程,探讨了模型迁移技术在解决仪器间差异、环境变化和样品多样性等问题中的策略、挑战与最新进展,包括有标样和无标样模型迁移方法。此外,总结了NIR技术在实际工业应用中的挑战、经验和未来研究方向,旨在为近红外技术在谷物行业的广泛应用提供参考。
-
关键词
近红外光谱
谷物质量
在线检测
化学计量学
模型迁移
深度学习
-
Keywords
near-infrared spectroscopy
grain quality,online detection
chemometrics
calibration transfer
deep learning.
-
分类号
TS201.2
[轻工技术与工程—食品科学]
TS203
[轻工技术与工程—食品科学]
-
