相关实验视频
Updated: Jul 29, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.7K
使用Vis光谱学与改进的粒子群优化神经网络相结合,对果质量的定性和定量评估
Wenping Peng1, Zhong Ren1,2, Junli Wu1
1Key Laboratory of Optic-Electronics and Communication, Jiangxi Science and Technology Normal University, Nanchang 330038, China.
Foods (Basel, Switzerland)
|May 27, 2023
概括
本研究引入了一种具有成本效益的可见光谱法,用于评估果质量. 通过先进的算法进行优化,它在分类可溶固体含量 (SSC) 中达到100%的准确性,性能优于商业设备.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 准确的水果质量评估对于市场价值至关重要.
- 溶性固体含量 (SSC) 是果质量的关键指标.
- 可见光谱 (Vis) 提供了一种非破坏性的质量评估方法.
研究的目的:
- 开发一种具有成本效益和高度准确的光学检测方法来评估果的质量.
- 建立一个模型,使用Vis光谱来进行果SSC的定性和定量评估.
- 增强光谱数据和优化机器学习模型,以提高准确性和速度.
主要方法:
- 可见 (Vis) 光谱法用于果质量评估.
- 应用了六种光谱预处理方法,包括二次导数 (SD) 和萨维茨基-戈莱 (SG) 平滑.
- 主要成分分析 (PCA) 用于光谱增强.
- 一个逆向传播神经网络 (BPNN) 被用于分类,优化了高斯动态学习速率非线性衰变 (DLRND) 策略和粒子群集优化 (PSO).
主要成果:
- 优化的SD-SG-PCA-PSO-BPNN模型实现了果SSC的100%分类准确性.
- 定量评估显示,相关系数高 (r=0.998) 和预测平方根平均误差低 (RMSEP=0.112 °Brix).
- 与商业果糖计相比,开发的方法显示出更高的性能.
结论:
- 可见光谱学与先进的数据处理和机器学习相结合,为果质量评估提供了一个强大的工具.
- 拟议的合成模型为果SSC的定性和定量评估提供了重要的价值.
- 这种方法对具有成本效益和高精度的水果质量分级系统具有前景.
关键词:
视频谱 (Vis spectra) 是指视频的光谱 (Vis spectra) 是指视频的光谱.动态学习率 非线性衰变策略粒子群集优化 粒子群集优化质量评估质量评估的质量评估.可溶性固体含量可溶性固体含量更多相关视频
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.5K
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.7K
