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1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：
基于电学参数的苹果可溶性固形物含量预测 被引量：2
1
作者 黄铝文 田旭 +1 位作者 任烈弘 张梦伊 《农业工程学报》 EI CAS CSCD 北大核心 2023年第2期252-259,共8页
为实现苹果可溶性固形物含量的无损检测,该研究提出了一种长短期记忆编解码和多层感知机(LSTMED-MLP,long short-term memory encoder-decoder-multi-layer perceptron)融合的介电特征预测方法。在0.158~3980 kHz频率范围内的9个频率点... 为实现苹果可溶性固形物含量的无损检测,该研究提出了一种长短期记忆编解码和多层感知机(LSTMED-MLP,long short-term memory encoder-decoder-multi-layer perceptron)融合的介电特征预测方法。在0.158~3980 kHz频率范围内的9个频率点下,采用介电谱测量仪获取300个富士苹果的电学参数,其中每个频率点对应15项电学参数,即每个苹果对应135项电学特性参数,之后通过苹果基因组学理化分析方法,获取可溶性固形物含量;根据电学参数与可溶性固形物含量,构建苹果关键基因组学参数的回归预测模型。为简化模型输入,提取样本变量特征,使用主成分分析(principal component analysis,PCA)和LSTMED模型,提取每个样本的40项特征值,作为非线性回归模型多层感知机(MLP)和XGBoost的输入,建立可溶性固形物含量预测模型。试验结果表明,LSTMED具有更好的适用性,且LSTMED-MLP模型的预测效果最好,在校正集和预测集上,决定系数分别为0.95和0.90,均方根误差分别为0.77和0.84,且对不同种植模式下苹果样本的变化差异具有更强鲁棒性,LSTMED-XGBoost模型次之。因此,LSTMED可以作为一种有效的非线性特征降维提取方法,应用于农产品品质参数分级和无损检测方面。 展开更多
关键词 农产品 介电光谱 电学参数 可溶性固形物 LSTMED 非线性特征
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