基于深度学习的西瓜可见/近红外光谱可溶性固形物预测模型研究

• 作者: 介邓飞 吴爽 李国建
• 来源期刊: 食品与机械
• 关键词: 可见/近红外光谱 西瓜 深度学习 残差块 可溶性固形物
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 贮运与保鲜
• 页码范围: 132-135
• 页数: 4页
• 语种: 中文
• DOI: 10.13652/ji.ssn.1003-5788.2020.12.028

摘要

通过可见/近红外光谱技术结合K最近邻法回归、随机森林回归、深度卷积神经网络及带有残差块的深度卷积神经网络4种化学计量学方法对不同糖度的西瓜进行定量判别,并借鉴适用于图像处理的深度网络模块对可见/近红外光谱进行建模.结果表明,深度学习网络模块一维化在可见/近红外光谱数据处理中体现了巨大潜力,卷积神经网络CNN模型在预测集中Rp为0.8559,RMSEP为0.7781°Brix,加入Res-block后的改进卷积神经网络Res-CNN在预测集中Rp为0.8932,RMSEP为0.7104°Brix.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴爽		3	2	1.0	1.0
2	李国建		2	0	0.0	0.0
3	介邓飞		2	0	0.0	0.0