基于近红外的松子蛋白质品质分类处理

• 作者: 张冬妍 曹军 李丹丹 蒋大鹏
• 来源期刊: 计算技术与自动化
• 关键词: 松子 近红外 支持向量机 蛋白质
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 180-184
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.201803035

摘要

为了探索松子基于近红外光谱的无损品质分类.建立松子蛋白质品质的分类数学模型.采用近红外测量获取松子光谱数据,运用SMO-SVM、Pegasos-SVM与LS-SVM方法建立松子蛋白质分类相关性模型,并对相应验证集上的数据进行预测验证.实验结果表明支持向量机精准率略高,但耗费时间比LS-SVM与Pegasos-SVM多.研究中所建模型均能达到一定程度上的良好分类,精准度均达到80％以上,可有效实现依据近红外光谱数据预测松子蛋白质含量等级的目的.此模型对于其他干果类食品的等级品质分类具有一定的实践指导意义与应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹军	东北林业大学机电学院	133	1090	17.0	23.0
2	张冬妍	东北林业大学机电学院	53	250	10.0	13.0
3	李丹丹	东北林业大学机电学院	31	55	3.0	6.0
4	蒋大鹏	东北林业大学机电学院	6	2	1.0	1.0