基于近红外光谱和共轭梯度神经网络的板栗褐变检测

• 作者: 史娇智 屠康 潘磊庆 袁建 郑剑
• 来源期刊: 食品工业科技
• 学科: 工学
• 关键词: 近红外光谱 板栗 褐变 主成分分析 BP神经网络
• 年，卷（期）: 2013,（15）
• 所属期刊栏目: 分析检测
• 页码范围: 284-288
• 分类号: TS255.1
• 语种: 中文

摘要

为了实现板栗褐变的无损检测,本实验以“毛板红”板栗为样品,在12000 ～4000 cm-1范围内采集带壳和去壳板栗4个褐变等级的近红外光谱,用Savitzky-Golay平滑和标准正态变量变换(SNV)方法对光谱原始数据进行预处理,采用主成分分析法提取光谱的特征信息,建立基于共轭梯度调整算法的BP神经网络(SBP)识别板栗褐变模型.结果表明,对去壳板栗,最佳主成分因子数为8时,网络训练集和测试集对板栗褐变识别准确率最好,分别为100％和98.7％；对带壳板栗,最佳主成分因子数为10,网络训练集和测试集对板栗褐变识别准确率最好,分别为65.3％和64.4％.最后比较了所建网络与传统的基于梯度下降算法的BP神经网络(GBP)与径向基函数(RBF)网络的性能,验证集结果表明,构建的基于共轭梯度调整算法神经网络模型(SBP)效果好于GBP和RBF,对去壳板栗和带壳板栗褐变识别准确率分别为100％和66.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屠康	南京农业大学食品科技学院	182	3053	29.0	45.0
2	潘磊庆	南京农业大学食品科技学院	87	1264	19.0	31.0
3	袁建	南京财经大学食品科学与工程学院	99	716	14.0	19.0
4	郑剑	浙江农林大学农业与食品科学学院	24	68	5.0	7.0
5	史娇智	南京农业大学食品科技学院	1	3	1.0	1.0