首页 | 本学科首页   官方微博 | 高级检索  
     

利用便捷式可见-近红外光谱仪和机器学习分辨霉变小麦及霉变程度
作者姓名:贾文珅  吕浩林  张上  秦英栋  周巍
作者单位:1. 三峡大学计算机与信息学院;2. 北京市农林科学院质量标准与检测技术研究所;3. 河北省食品检验研究院
基金项目:河北省重点研发计划(21375501D);;国家自然科学基金(31801634)~~;
摘    要:[目的/意义]可见-近红外光谱可对小麦霉变情况快速无损检测,但是高分辨率光谱仪价格高、体积大,不利于在农业环境中推广,因此通过对低分辨率光谱数据进行优化处理,以期接近高分辨率光谱仪分辨霉变小麦的效果。[方法]使用可见-近红外农产品检测仪(型号VNIAPD,分辨率1.6 nm)和复享光纤光谱仪(型号SIN02040,分辨率0.19 nm)采集100份小麦样本的新鲜状态以及不同霉变状态的光谱数据。首先对SINO2040光谱进行裁剪,让其和VNIAPD波长保持一致,均为640~1 050 nm;然后对其使用标准差标准化(Standard Deviation Normalization,SDN)、标准正态变换(Standard Normal Variation,SNV)、均值中心化(Mean Centrality,MC)、一阶导数(First-order Derivatives,1ST)、Savitzky-Golay平滑(Savitzky-Golay Smoothing,SG)、多元散射校正(Multiple Scattering Correction,MSC)等多种预处理方法处理并使用离群点...

关 键 词:可见-近红外光谱  小麦霉变  机器学习  无损检测  食品安全  神经网络
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号