-
题名基于堆叠监督自编码器的蓝莓果渣花青素预测模型
- 1
-
-
作者
刘思岐
冯国红
刘中深
朱玉杰
-
机构
东北林业大学工程技术学院
黑龙江农业工程职业学院
-
出处
《食品工业科技》
CAS
北大核心
2023年第10期304-310,共7页
-
基金
中央高校基本科研业务费专项资金项目(2572020BL01)
黑龙江省自然科学基金项目(LH2020C050)。
-
文摘
基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,选择出178个特征波长;以选择出的特征波长处的吸光值作为SSAE模型的输入,以蓝莓果渣中的花青素含量为输出,讨论SSAE模型激活参数、节点数、训练次数和学习率,得到SSAE最优参数,即激活函数rule、结构178-60-5-1、训练次数70、学习率0.01。选取训练集均方根误差(RMSEC)、预测集均方根误差(RMSEP)、预测集相关系数(Rp)为评价标准,获得所建立模型的RMSEC、RMSEP、Rp分别为1.0500、0.3835、0.9042。最后通过与经典回归预测模型极限学习机(extreme learning machine,ELM)、最小二乘支持向量机回归(least squares support vector regression,LSSVR)和偏最小二乘回归(partial least squares regression,PLSR)算法进行对比,发现本研究所建SSAE模型的预测精度更高,表明SSAE模型与可见近红外光谱结合能有效预测蓝莓果渣中的花青素含量。
-
关键词
蓝莓果渣
花青素
可见近红外光谱技术
堆叠监督自编码器
无损检测
-
Keywords
blueberry pomace
anthocyanin
visible near infrared spectroscopy(vnis)
stacked supervised autoencoders(SSAE)
nondestructive testing(NDT)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TS255
[自动化与计算机技术—控制科学与工程]
-
