領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
利用高光譜成像技術(shù)對小麥不完善粒進(jìn)行無損檢測。以932?個(gè)小麥為樣本，其中正常粒樣本486?個(gè)、破損粒樣本170?個(gè)、蟲蝕粒樣本149?個(gè)及黑胚粒樣本127?個(gè)為研究對象，通過高光譜圖像采集系統(tǒng)采集樣本的光譜信息，然后從每個(gè)樣本的116?個(gè)波段中選取30?個(gè)波段，建立基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）模型。實(shí)驗(yàn)中的CNN采用2?個(gè)卷積層，第1層采用大小為3×3的32?個(gè)卷積核，第2層采用大小為5×5的64?個(gè)卷積核，池化層采用最大池，激活函數(shù)采用修正線性單元，為避免過擬合，在全連接層后面接入dropout層，參數(shù)設(shè)置為0.5，其他卷積參數(shù)均為默認(rèn)值，得到校正集總識(shí)別率為100.00%，測試集總識(shí)別率為99.98%。最后，以支持向量機(jī)（support vector machine，SVM）為基線模型進(jìn)行對比，從116?個(gè)波段中選取90?個(gè)波段進(jìn)行建模，測試集總識(shí)別率為94.73%。通過實(shí)驗(yàn)對比可以看出，CNN模型比SVM模型識(shí)別率高。研究表明CNN模型能夠?qū)崿F(xiàn)對小麥不完善粒的準(zhǔn)確、快速、無損檢測。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
