本文關鍵詞： 菠菜 計算機視覺 電子鼻 融合技術 人工神經網絡 葉綠素　出處：《現(xiàn)代食品科技》2017年05期 　論文類型：期刊論文

【摘要】：以葉綠素含量為評價菠菜新鮮度的參考指標,開發(fā)菠菜采后品質無損檢測方法。采用計算機視覺和電子鼻分別獲取儲藏期內菠菜的圖像和氣味信息。分別提取視覺、嗅覺信息的主成分作為模型的輸入,以葉綠素含量的化學檢測值作為模型的輸出,采用誤差反向傳播神經網絡建立菠菜葉綠素的定量預測模型。試驗顯示,以視覺信息為輸入量的模型測試結果:訓練集和測試集的均方根誤差(RMSE)分別為0.1978 mg/g和0.2147 mg/g,相關系數(R)分別為0.8457和0.7995。以電子鼻信息為輸入量的模型測試結果:訓練、測試集的RMSE分別為0.3119 mg/g和0.3032 mg/g,R分別為0.7013和0.6905。以視覺和嗅覺融合信息為輸入量的模型測試結果:訓練、測試集的RMSE分別為0.1759 mg/g和0.2121 mg/g,R分別為0.8888和0.8736,精度比兩個單一技術均有所提高。研究表明,利用計算機視覺和電子鼻技術預測菠菜葉綠素含量的方法是可行的,采用融合技術有助于提升模型的預測精度。
[Abstract]:Using chlorophyll content as the reference index to evaluate the freshness of spinach, a nondestructive testing method of spinach quality after harvest was developed. The images and smell information of spinach during storage period were obtained by computer vision and electronic nose, respectively. The principal component of olfactory information was used as the input of the model, the chemical detection value of chlorophyll content was taken as the output of the model, and the quantitative prediction model of spinach chlorophyll was established by using the error back-propagation neural network. The RMSE of training set and test set were 0.1978 mg/g and 0.2147 mg / g, the correlation coefficient was 0.8457 and 0.7995 respectively. The RMSE of the test set was 0.3119 mg/g and 0.3032 mg / g / g, respectively 0.7013 and 0.6905.The model test results with visual and olfactory fusion information as input: training, The RMSE of the test set was 0.1759 mg/g and 0.2121 mg / g / g, respectively, which were 0.8888 and 0.8736, respectively, which were higher than those of two single techniques. The results showed that the method of predicting chlorophyll content in spinach by computer vision and electronic nose was feasible. The fusion technique is helpful to improve the prediction accuracy of the model.
【作者單位】： 江蘇大學食品與生物工程學院;
【基金】：江蘇省重點研發(fā)計劃(現(xiàn)代農業(yè))項目(BE2015308) 江蘇省高校自然科學研究重大項目(14KJA550001) 江蘇高校優(yōu)勢學科建設工程資助項目 國家自然基金項目(31671932) 江蘇省第四期“333工程”資助項目(BRA2015320)
【分類號】：S636.1;TP391.41

【相似文獻】

相關期刊論文 前3條

1 王樹文;張長利;房俊龍;;應用計算機視覺對番茄損傷分類的研究[J];東北農業(yè)大學學報;2006年02期

2 施健;何建國;張冬;馬翔;;基于計算機視覺鮮棗大小分級系統(tǒng)研究[J];食品與機械;2013年05期

3 ;[J];;年期

相關會議論文 前1條

1 孫潔瓊;孫明;;基于計算機視覺的水果外觀品質檢測分級研究現(xiàn)狀[A];中國農業(yè)工程學會電氣信息與自動化專業(yè)委員會、中國電機工程學會農村電氣化分會科技與教育專委會2010年學術年會論文摘要[C];2010年

相關博士學位論文 前1條

1 彭輝;基于計算機視覺的樹上柑橘自動識別和定位技術的研究[D];華中農業(yè)大學;2011年

相關碩士學位論文 前1條

1 何芳;基于視覺的番木瓜外觀品質檢測技術研究[D];昆明理工大學;2011年

，

本文編號：1500738