基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种用近红外光谱技术快速鉴别酸奶品种的新方法.首先应用光谱仪获得5种典型酸奶品种的光谱曲线,用主成分分析法对5种酸奶品种进行聚类分析,再结合人工神经网络技术建立模型进行品种鉴别.主成分分析表明,主成分1和主成分2的累积可信度已达98.96%,前7个主成分的累积可信度达到99.97%.以每一个样品的前7个主成分作为神经网络的输入,品种类型作为神经网络的输出,建立三层BP人工神经网络模型.每个品种各27个样本,5个品种共135个样本用来建立神经网络模型,余下每个品种各5个共25个用于预测.建模品种的拟合率和预测品种的识别率均为100%.说明该方法能快速无损的检测酸奶品种,为酸奶的品种鉴别提供了一种新方法.
推荐文章
应用可见/近红外光谱技术快速鉴别山西陈醋品种
近红外透射光谱
主成分分析
神经网络
陈醋
品种鉴别
沉香的近红外光谱法鉴别初探
沉香
近红外光谱
快速鉴别
近红外光谱结合人工网络鉴别大黄
大黄
近红外光谱技术
鉴别
近红外光谱技术在黑芝麻糊品牌鉴别中的应用研究
黑芝麻糊
近红外光谱
品牌鉴别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用近红外光谱快速鉴别酸奶品种的研究
来源期刊 光谱学与光谱分析 学科 农学
关键词 近红外光谱 酸奶 主成分分析 人工神经网络 鉴别
年,卷(期) 2006,(11) 所属期刊栏目
研究方向 页码范围 2021-2023
页数 3页 分类号 S123|TH744.1
字数 2104字 语种 中文
DOI 10.3321/j.issn:1000-0593.2006.11.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 裘正军 浙江大学生物系统工程与食品科学学院 55 978 16.0 29.0
2 何勇 浙江大学生物系统工程与食品科学学院 511 9054 45.0 65.0
3 李晓丽 浙江大学生物系统工程与食品科学学院 35 948 16.0 30.0
4 冯水娟 浙江大学生物系统工程与食品科学学院 9 181 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (60)
同被引文献  (124)
二级引证文献  (251)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(4)
  • 引证文献(4)
  • 二级引证文献(0)
2008(8)
  • 引证文献(8)
  • 二级引证文献(0)
2009(15)
  • 引证文献(5)
  • 二级引证文献(10)
2010(26)
  • 引证文献(10)
  • 二级引证文献(16)
2011(23)
  • 引证文献(6)
  • 二级引证文献(17)
2012(43)
  • 引证文献(8)
  • 二级引证文献(35)
2013(27)
  • 引证文献(1)
  • 二级引证文献(26)
2014(30)
  • 引证文献(5)
  • 二级引证文献(25)
2015(36)
  • 引证文献(5)
  • 二级引证文献(31)
2016(30)
  • 引证文献(3)
  • 二级引证文献(27)
2017(22)
  • 引证文献(4)
  • 二级引证文献(18)
2018(20)
  • 引证文献(1)
  • 二级引证文献(19)
2019(22)
  • 引证文献(0)
  • 二级引证文献(22)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
近红外光谱
酸奶
主成分分析
人工神经网络
鉴别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光谱学与光谱分析
月刊
1000-0593
11-2200/O4
大16开
北京市海淀区学院南路76号钢铁研究总院
82-68
1981
chi
出版文献量(篇)
13956
总下载数(次)
19
总被引数(次)
127726
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
浙江省自然科学基金
英文译名:
官方网址:http://www.zjnsf.net/
项目类型:一般项目
学科类型:
高等学校优秀青年教师教学科研奖励计划
英文译名:the Teaching and Research Award Program for Outstanding Young Teachers in Higher Education Institutions of MOE
官方网址:http://www.moe.edu.cn/
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导