本文關(guān)鍵詞： 菠菜 計(jì)算機(jī)視覺(jué) 電子鼻 融合技術(shù) 人工神經(jīng)網(wǎng)絡(luò) 葉綠素　出處：《現(xiàn)代食品科技》2017年05期 　論文類(lèi)型：期刊論文

【摘要】：以葉綠素含量為評(píng)價(jià)菠菜新鮮度的參考指標(biāo),開(kāi)發(fā)菠菜采后品質(zhì)無(wú)損檢測(cè)方法。采用計(jì)算機(jī)視覺(jué)和電子鼻分別獲取儲(chǔ)藏期內(nèi)菠菜的圖像和氣味信息。分別提取視覺(jué)、嗅覺(jué)信息的主成分作為模型的輸入,以葉綠素含量的化學(xué)檢測(cè)值作為模型的輸出,采用誤差反向傳播神經(jīng)網(wǎng)絡(luò)建立菠菜葉綠素的定量預(yù)測(cè)模型。試驗(yàn)顯示,以視覺(jué)信息為輸入量的模型測(cè)試結(jié)果:訓(xùn)練集和測(cè)試集的均方根誤差(RMSE)分別為0.1978 mg/g和0.2147 mg/g,相關(guān)系數(shù)(R)分別為0.8457和0.7995。以電子鼻信息為輸入量的模型測(cè)試結(jié)果:訓(xùn)練、測(cè)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(jué)和嗅覺(jué)融合信息為輸入量的模型測(cè)試結(jié)果:訓(xùn)練、測(cè)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(gè)單一技術(shù)均有所提高。研究表明,利用計(jì)算機(jī)視覺(jué)和電子鼻技術(shù)預(yù)測(cè)菠菜葉綠素含量的方法是可行的,采用融合技術(shù)有助于提升模型的預(yù)測(cè)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(xué)食品與生物工程學(xué)院;
【基金】：江蘇省重點(diǎn)研發(fā)計(jì)劃(現(xiàn)代農(nóng)業(yè))項(xiàng)目(BE2015308) 江蘇省高校自然科學(xué)研究重大項(xiàng)目(14KJA550001) 江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目 國(guó)家自然基金項(xiàng)目(31671932) 江蘇省第四期“333工程”資助項(xiàng)目(BRA2015320)
【分類(lèi)號(hào)】：S636.1;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王樹(shù)文;張長(zhǎng)利;房俊龍;;應(yīng)用計(jì)算機(jī)視覺(jué)對(duì)番茄損傷分類(lèi)的研究[J];東北農(nóng)業(yè)大學(xué)學(xué)報(bào);2006年02期

2 施健;何建國(guó);張冬;馬翔;;基于計(jì)算機(jī)視覺(jué)鮮棗大小分級(jí)系統(tǒng)研究[J];食品與機(jī)械;2013年05期

3 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 孫潔瓊;孫明;;基于計(jì)算機(jī)視覺(jué)的水果外觀品質(zhì)檢測(cè)分級(jí)研究現(xiàn)狀[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專(zhuān)業(yè)委員會(huì)、中國(guó)電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專(zhuān)委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 彭輝;基于計(jì)算機(jī)視覺(jué)的樹(shù)上柑橘自動(dòng)識(shí)別和定位技術(shù)的研究[D];華中農(nóng)業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 何芳;基于視覺(jué)的番木瓜外觀品質(zhì)檢測(cè)技術(shù)研究[D];昆明理工大學(xué);2011年

，

本文編號(hào)：1500738