排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
以5个品种茶叶和4个不同等级龙井茶叶为研究对象,利用近红外光谱与卷积神经网络相结合的方法,实现茶叶品种和等级的鉴别。对实验采集得到的800~2 500 nm原始光谱使用小波分析(WT)算法进行预处理,对预处理后的光谱数据分别采用联合区间偏最小二乘法(siPLS)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)提取特征波长,然后建立卷积神经网络(CNN)分类模型,实现茶叶品种和等级的鉴别。结果显示:SPA+CNN模型对品种和等级鉴别的准确率分别达到了95.83%和96.67%,CARS+CNN将准确率进一步提升到97.72%和98.67%。最后使用平移法、线性叠加法、添加噪声法对光谱数据集进行数据增强,验证卷积神经网络模型的稳定性。研究结果表明,特征波长提取结合卷积神经网络,可以实现对茶叶品种和等级的无损鉴别。为后续开发动态在线检测设备提供了高效、无损、快速的技术支持。 相似文献
3.
1