期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于高光谱和深度学习的苹果品质无损检测方法 被引量:3
1
作者 班兆军 高喧翔 +4 位作者 马肄恒 张爽 方晨羽 王俊博 朱艺 《江苏农业学报》 CSCD 北大核心 2024年第8期1446-1454,共9页
本研究使用近红外高光谱成像技术获取苹果的高光谱数据,对苹果糖度、酸度指标进行无损检测。针对高光谱数据量大、信息冗余多的特点,分别采用标准化(Standardization,SS)、标准正态变换(Standard normal variate,SNV)、最小二乘平滑滤波... 本研究使用近红外高光谱成像技术获取苹果的高光谱数据,对苹果糖度、酸度指标进行无损检测。针对高光谱数据量大、信息冗余多的特点,分别采用标准化(Standardization,SS)、标准正态变换(Standard normal variate,SNV)、最小二乘平滑滤波(Savitzky-Golay smoothing filtering,SG)和多元散射校正(Multiplicative scatter correction,MSC)对苹果的光谱数据进行预处理。针对高光谱图像波段多的特点,分别采用连续投影(Successive projections algorithm,SPA)算法、竞争性自适应加权重(Competitive adaptive reweighted sampling,CARS)算法和随机蛙跳(Random frog,RF)算法选取苹果的特征波长。对提取的特征波长分别用支持向量机(Support vector machine,SVM)模型、卷积神经网络(Convolutional neural networks,CNN)模型和基于深度学习的定量光谱数据分析(DeepSpectra)模型对苹果的糖酸比进行预测。结果表明,基于深度学习的定量光谱数据分析(DeepSpectra)模型预测的正确率达到93.70%,有较高的精确度,可以较好地对苹果糖酸比进行预测。本研究将高光谱成像技术与基于深度学习的定量光谱数据分析模型相结合,实现了无损检测苹果糖酸比。 展开更多
关键词 高光谱 苹果 糖酸比 无损检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部