将便携式NIR光谱与深度学习相结合,以准确估计玉米料中的原蛋白
Jing Liang1, Bin Wang1, Xiaoxuan Xu2
1College of Artificial Intelligence, Nankai University, Tianjin 300350, China.
概括
便携式近红外 (NIR) 光谱仪可以准确预测玉米料中的原蛋白. 将二维相关谱学与CropResNet等深度学习模型集成,可以提高农业应用的预测精度.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 便携式近红外 (NIR) 光谱仪提供现场分析,但在模型准确性和概括性方面面临挑战.
- 开发可靠的预测模型,用于像原蛋白这样的料质量参数,对于农业行业至关重要.
研究的目的:
- 调查使用便携式NIR光谱仪用于玉米料中准确预测原始蛋白质的挑战.
- 开发和比较1D和2D深度学习模型,以进行增强的光谱分析.
主要方法:
- 在玉米料NIR光谱上使用了光谱处理技术和卷积神经网络 (CNN).
- 实施了五种预处理方法和二维相关谱学.
- 开发和评估了1D-CNNs,CropNet和CropResNet模型,用于粗蛋白估计.
主要成果:
- 1D-CNN模型在1D类别中显示出优异的预测性能.
- 与CropNet.Net相比,2D CropResNet模型显示出更高的准确性和更好的预测能力.
- 将二维相关谱学与深度学习相结合,显著提高了原始蛋白质预测精度.
结论:
- 2D CropResNet与适当的预处理相结合,提供了一种精确的方法来预测玉米料中的原蛋白含量.
- 这种方法在推进农业中便携式光谱仪技术方面具有重大潜力.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K
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
12.4K
