共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于SiPLS-CARS算法的百香果糖度无损检测显示文摘为建立一种无损快速检测百香果糖度的技术,以百香果为研究对象,利用近红外光谱技术,并结合联合区间偏最小二乘算法和竞争适应重加权采样算法对近红外光谱进行特征波长筛选,采用偏最小二乘法和支持向量机方法建立百香果糖度预测模型。结果表明:采用多元线性回归方法建立的模型优于多元非线性回归方法建立的模型,联合区间偏最小二乘算法和竞争适应重加权采样算法筛选出的特征波长点数为67个,占全光谱的2.90%,预测模型的相关系数R2c为0.9727,校正集预测均方根误差(root mean square error of calibration,RMSEC)值为0.3338,验证集的相关系数R2p为0.9672,验证集预测均方根误差(root mean square error of prediction,RMSEP)值为0.3660,模型相对分析误差(relative prediction deviation,RPD)为4.5066。研究结果能够实现百香果糖度的无损快速检测,并且可以将百香果糖度无损检测便携检设备中的模型进行简化。 | 田永国 吕都 唐健波 黄珊 陈超 卢扬 | 2023 | 食品研究与开发2023，44，20： | 0 |
| 2 | 基于ResNet的森林土壤碳含量近红外预测模型显示文摘为实现森林土壤碳含量(SOC)的快速、高效、无损检测,以小兴安岭带岭林业实验局东方红林场土壤为研究对象,利用近红外光谱(NIRs)技术,建立SOC预测模型。利用深度残差网络(ResNet18)算法建立预测模型,从光谱数据的预处理(一阶导数(1 st D)+Savitzky-Golay(SG)卷积平滑、标准正态变量变换(SNV)、SG卷积平滑和去趋势(DT))和批量2个角度对模型进行优化,并将该模型与偏最小二乘回归(PLSR)、BP神经网络(BPNN)和卷积神经网络VGG19模型进行对比。研究结果表明,利用1 st D+SG卷积平滑组合的方式进行预处理,批量大小为15,所得模型最优,其训练集的均方根误差(RMSE)和决定系数(R^(2))分别为7.695和0.906,验证集的RMSE和R^(2)分别为7.146和0.821,ResNet18模型精度优于PLSR、BPNN和VGG19,其验证集R^(2)分别比三者提升了14.66%、40.10%和0.37%。该研究表明,利用NIRs技术结合深度残差网络可实现SOC无损检测。 | 黄海霞 李耀翔 张哲宇 | 2023 | 森林工程2023，39，6： | 0 |
| 3 | 近红外光谱技术快速检测婴配乳粉GOS和FOS含量显示文摘为实现婴幼儿配方乳粉中低聚半乳糖(GOS)和低聚果糖(FOS)的快速检测,本研究分别采用标准正态变换(SNV)、多元散射校正(MSC)、归一化(Nor)和Savitzky-Golay平滑(SG)4种方法对获取的乳粉原始光谱进行预处理,再使用变量空间迭代收缩算法(VISSA)和竞争自适应重加权采样算法(CARS)提取具有代表性的特征波长,并建立线性偏最小二乘回归(PLSR)模型和非线性支持向量回归(SVR)模型对婴幼儿配方乳粉中的低聚半乳糖(GOS)和低聚果糖(FOS)含量进行预测。结果表明,乳粉的原始光谱经SNV预处理后,再使用VISSA算法能够有效提取GOS和FOS特征波长,建立的VISSA-SVR非线性模型能够得到较优的GOS和FOS预测结果,GOS的VISSA-SVR模型校正集相关系数为0.9981,均方根误差为0.0505,预测集相关系数为0.9850,均方根误差为0.2193;FOS的VISSA-SVR模型校正集相关系数为0.9943,均方根误差为0.0533,预测集相关系数为0.9487,均方根误差为0.1357。本研究可为实现婴幼儿配方乳粉生产过程营养成分在线检测和在线优化控制提供参考。 | 刘少莉 雷霆 刘术明 郝东海 崔丽琴 王一涵 何光华 | 2023 | 核农学报2023，37，12： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员