基于卷积神经网络与高光谱的鸡肉品质分类检测

• 作者: 曹宇 王九清 王孝义 邢素霞
• 来源期刊: 肉类研究
• 学科: 工学
• 关键词: 鸡肉 高光谱 卷积神经网络 食品检测
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 分析检测
• 页码范围: 36-41
• 页数: 6页
• 分类号: TS251.5
• 字数: 4362字
• 语种: 中文
• DOI: 10.7506/rlyj1001-8123-201812007

摘要

高光谱成像技术是现代食品检测中的重要方法,根据其图、谱合一的特点,从鸡肉的高光谱数据中提取反映鸡肉内部品质的光谱数据和反映鸡肉外部特征的图像数据,对提取到的数据进行预处理,建立基于光谱和彩色图像的卷积神经网络(convolutional neural network,CNN)模型,对鸡肉的品质进行快速、无损检测.结果表明,基于光谱和图像的综合CNN模型的分类效果最好,其准确率和损失函数分别达93.58％和0.30,优于使用单一数据的CNN模型,证明综合使用鸡肉的内、外信息能够有效提高鸡肉品质检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢素霞	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	38	170	8.0	11.0
2	曹宇	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	3	4	1.0	2.0
3	王孝义	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	3	4	1.0	2.0
4	王九清	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	1	4	1.0	1.0