基于太赫兹衰减全反射技术的花生霉变程度判别

• 作者: 刘翠玲 吴静珠 王少敏 胡莹 邢瑞芯
• 来源期刊: 农业机械学报
• 学科: 化学
• 关键词: 霉变花生 太赫兹衰减全反射技术 误差反向传播神经网络 支持向量机 定性分析
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 333-338,355
• 页数: 7页
• 分类号: O657.3|TS207.3
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.04.038

摘要

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法.为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养.依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0.3 ～3.6 THz).利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选.在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型.实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88.57％,对鲁花9号花生霉变模型的预测集识别正确率为91.40％;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100％.应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘翠玲		119	568	11.0	17.0
2	吴静珠		67	599	14.0	21.0
3	邢瑞芯		4	5	1.0	2.0
4	王少敏		2	0	0.0	0.0
5	胡莹		2	1	1.0	1.0