| 基于太赫兹衰减全反射技术的花生霉变程度判别 |
| |
| 引用本文： | 刘翠玲,胡莹,吴静珠,邢瑞芯,王少敏.基于太赫兹衰减全反射技术的花生霉变程度判别[J].农业机械学报,2019,50(4):333-338，355. |
| |
| 作者姓名： | 刘翠玲 胡莹 吴静珠 邢瑞芯 王少敏 |
| |
| 作者单位： | 北京工商大学,北京工商大学,北京工商大学,北京工商大学,北京工商大学 |
| |
| 基金项目： | 北京市自然科学基金项目（4182017） |
| |
| 摘 要： | 为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。
|
| 关 键 词： | 霉变花生 太赫兹衰减全反射技术 误差反向传播神经网络 支持向量机 定性分析 |
| 收稿时间： | 2018/10/15 0:00:00 |
Discrimination of Peanut Mildew Degree Based on Terahertz Attenuated Total Reflection Spectroscopy |
| |
| LIU Cuiling,HU Ying,WU Jingzhu,XING Ruixin and WANG Shaomin.Discrimination of Peanut Mildew Degree Based on Terahertz Attenuated Total Reflection Spectroscopy[J].Transactions of the Chinese Society of Agricultural Machinery,2019,50(4):333-338，355. |
| |
| Authors: | LIU Cuiling HU Ying WU Jingzhu XING Ruixin and WANG Shaomin |
| |
| Institution: | Beijing Technology and Business University,Beijing Technology and Business University,Beijing Technology and Business University,Beijing Technology and Business University and Beijing Technology and Business University |
| |
| Abstract: | |
| |
| Keywords: | mildew peanut THz attenuation total reflection technique back propagation neural network support vector machine qualitative analysis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
