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
2
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
基于深度度量学习的茶叶相似性评价方法
被引量：
5
1
作者
宋彦
赵磊
+2 位作者
宁井铭
戴前颖
程福寿
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第2期260-269,共10页
在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样...
在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入。为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的。结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89%,相似度度量准确率为100%。该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力。研究结果为眉茶的相似性评价提供了理论依据。
展开更多
关键词
图像处理
高光谱
茶叶拼配
相似性评价
深度度量学习
数据融合
在线阅读
下载PDF
职称材料
基于近红外光谱技术的眉茶拼配比例预测方法
被引量：
14
2
作者
宋彦
汪小中
+3 位作者
赵磊
张叶
宁井铭
程福寿
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第2期307-315,共9页
拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大。为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象...
拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大。为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能。结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.9643,均方根误差为0.0472,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力。研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑。
展开更多
关键词
近红外光谱
机器学习
深度学习
茶叶
拼配
在线阅读
下载PDF
职称材料
题名
基于深度度量学习的茶叶相似性评价方法
被引量：
5
1
作者
宋彦
赵磊
宁井铭
戴前颖
程福寿
机构
安徽农业大学工学院
安徽农业大学
茶
树生物学与资源利用国家重点实验室
安徽省智能农机装备工程实验室
黄山一品有机茶业有限公司
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第2期260-269,共10页
基金
国家重点研发计划(2021YFD1601102)
国家茶叶产业技术体系茶叶拼配岗位(CARS-19)。
文摘
在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集。采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入。为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的。结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89%,相似度度量准确率为100%。该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力。研究结果为眉茶的相似性评价提供了理论依据。
关键词
图像处理
高光谱
茶叶拼配
相似性评价
深度度量学习
数据融合
Keywords
image processing
hyperspectral
tea blending
similarity evaluation
deep metric learning
data fusion
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于近红外光谱技术的眉茶拼配比例预测方法
被引量：
14
2
作者
宋彦
汪小中
赵磊
张叶
宁井铭
程福寿
机构
安徽农业大学工学院
安徽农业大学
茶
树生物学与资源利用国家重点实验室
黄山一品有机茶业有限公司
安徽省智能农机装备工程实验室
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第2期307-315,共9页
基金
安徽省科技重大专项(18030701153)
安徽省重点研究与开发计划(201904a06020006)。
文摘
拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大。为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能。结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.9643,均方根误差为0.0472,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力。研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑。
关键词
近红外光谱
机器学习
深度学习
茶叶
拼配
Keywords
near infrared spectroscopy
machine learning
deep learning
tea
blending
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
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
基于深度度量学习的茶叶相似性评价方法
宋彦
赵磊
宁井铭
戴前颖
程福寿
《农业工程学报》
EI
CAS
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
2
基于近红外光谱技术的眉茶拼配比例预测方法
宋彦
汪小中
赵磊
张叶
宁井铭
程福寿
《农业工程学报》
EI
CAS
CSCD
北大核心
2022
14
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
