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：
基于AlexNet卷积神经网络的大米产地高光谱快速判别 被引量：13
1
作者 吴静珠 李晓琪 +3 位作者 林珑 刘翠玲 刘志 袁玉伟 《中国食品学报》 EI CAS CSCD 北大核心 2022年第1期282-288,共7页
采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩... 采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩阵系数最大值筛选与第一、二主成分相关性最强的特征波长1396.67 nm和1467.38 nm。针对两组特征波长图像进行主成分分析,分别选取前三维主成分,共计可得2×3组训练样本集。结果表明:基于AlexNet卷积神经网络训练建立6组东北/非东北大米产地高光谱快速判别模型,均有较高的识别准确率,其中基于1467.38 nm波长的第三主成分图像建立的东北/非东北大米产地判别模型的性能最佳,其识别准确率可达99.5%。 展开更多
关键词 高光谱 大米产地鉴别 主成分分析 AlexNet卷积神经网络
下载PDF
应用分子光谱信息融合判别不同产地大米 被引量：1
2
作者 栾鑫鑫 翟晨 +4 位作者 安焕炯 钱承敬 史晓梅 王文秀 胡利明 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第9期2818-2824,共7页
因缺乏大米产地快速鉴别的确证技术,利用近红外光谱法、中红外光谱法及拉曼光谱法结合化学计量学分析方法对来自五常地区、东北地区和南方地区共计186份大米样品进行产地鉴别研究。首先比较了K近邻法(KNN)、线性判别分析(LDA)和最小二乘... 因缺乏大米产地快速鉴别的确证技术,利用近红外光谱法、中红外光谱法及拉曼光谱法结合化学计量学分析方法对来自五常地区、东北地区和南方地区共计186份大米样品进行产地鉴别研究。首先比较了K近邻法(KNN)、线性判别分析(LDA)和最小二乘-支持向量机(LS-SVM)3种算法结合5种预处理方法,对3种单一光谱大米产地鉴别模型的识别效果。结果表明,LS-SVM算法结合SNV+2nd预处理方法的拉曼光谱模型最优,校正集和验证集准确率分别为100%和93.48%。为进一步提升鉴别模型的准确度,创新性的建立了基于近红外光谱-中红外光谱-拉曼光谱法的数据层融合、特征层融合及决策层融合大米产地鉴别模型,结果显示,3种层次的光谱信息融合模型识别正确率较单一光谱模型大大提升。数据层融合大米产地鉴别模型中,LS-SVM算法结合SNV+2nd预处理方法模型最优,校正集和验证集正确率分别为100%和95.65%,较单一光谱最优模型验证集正确率提高了2.17%。决策层融合鉴别模型中,LS-SVM算法结合SNV+1st预处理方法模型最优,校正集和验证集正确率分别为100%和97.83%,较单一光谱最优模型验证集正确率提高了4.35%。特征层融合产地鉴别模型中,LS-SVM算法结合SNV+2nd预处理方法鉴别模型最优,其校正集和验证集正确率均达到100%,较单一光谱最优模型验证集正确率提高了6.52%。结果表明,使用近红外光谱法、中红外光谱法及拉曼光谱法分析技术结合化学计量学方法鉴别大米产地是可行的,拉曼光谱法结合LS-SVM算法的大米产地鉴别模型最优。3种层次的光谱信息融合模型识别正确率较单一光谱模型大大提升,其中特征层融合方法更适用于该次融合的数据类型,可以快速准确鉴别五常大米、南方大米和东北大米产地。该研究为大米产地的快速准确鉴别提供了一种新方法。 展开更多
关键词 光谱信息融合 大米产地 鉴别分析
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
使用帮助 返回顶部