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:
利用近红外高光谱成像技术对灵武长枣的表面农药残留进行无损检测研究.采用Kubelka-Munk校正和Savitzky-Golay卷积平滑对900~1 700 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘农药残留预测模型.结果表明,经过Kubelka-Munk+ Savitz-ky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的长枣表面农药残留校正和验证模型的相关系数和均方根误差分别为0.86,0.85和0.000 32,0.000 33,优于全波段建立的模型.研究表明,采用高光谱成像技术对灵武长枣表面农药残留的无损检测是可行的.
推荐文章
高光谱成像技术及其在木材无损检测中的研究进展
木材科学与技术
高光谱成像技术
木材
物理力学性质
化学性质
缺陷
无损检测
综述
颜料粉末的高光谱成像无损表征技术
高光谱成像
无损表征
壁画
粒度
厚度
光谱反射率
基于NIR高光谱成像技术的长枣虫眼无损检测
高光谱成像
无损检测
长枣
虫眼
基于多光谱成像技术快速无损检测紫花苜蓿人工老化种子
老化种子
多光谱成像
多元分析
紫花苜蓿
无损检测
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 基于高光谱成像技术的长枣表面农药残留无损检测
来源期刊 食品与机械 学科
关键词 高光谱成像技术 灵武长枣 农药残留 无损检测
年,卷(期) 2014,(5) 所属期刊栏目 安全与检测
研究方向 页码范围 87-92
页数 6页 分类号
字数 语种 中文
DOI 10.13652/j.issn.1003-5788.2014.05.017
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 王松磊 74 455 12.0 17.0
2 何建国 93 716 16.0 22.0
3 贺晓光 101 605 13.0 19.0
4 刘贵珊 58 454 13.0 19.0
5 刘民法 3 43 2.0 3.0
6 张令标 4 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (152)
共引文献  (316)
参考文献  (25)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1942(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(10)
  • 参考文献(2)
  • 二级参考文献(8)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(12)
  • 参考文献(0)
  • 二级参考文献(12)
2007(11)
  • 参考文献(1)
  • 二级参考文献(10)
2008(29)
  • 参考文献(3)
  • 二级参考文献(26)
2009(21)
  • 参考文献(2)
  • 二级参考文献(19)
2010(20)
  • 参考文献(8)
  • 二级参考文献(12)
2011(15)
  • 参考文献(3)
  • 二级参考文献(12)
2012(10)
  • 参考文献(4)
  • 二级参考文献(6)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
研究主题发展历程
节点文献
高光谱成像技术
灵武长枣
农药残留
无损检测
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
食品与机械
月刊
1003-5788
43-1183/TS
大16开
长沙市赤岭路9号
42-83
1985
chi
出版文献量(篇)
6673
总下载数(次)
28
总被引数(次)
50927
相关基金
国家科技支撑计划
英文译名:
官方网址:http://kjzc.jhgl.org/
项目类型:重大项目
学科类型:能源
论文1v1指导