典型文献
基于深度学习的苹果糖度和霉心病检测新技术
文献摘要：
基于光谱数据的偏最小二乘等回归算法是当前苹果糖度和霉心病无损检测的常规方法,但在实际应用中仍存在检测结果离散度大的问题.基于卷积神经网络提取图像非线性特征能力强的特点,并考虑到同一个苹果的糖度和霉心病两种光谱信息之间应具有关联性,提出一种基于全部光谱信息的深度学习回归方法.通过搭建两套光谱检测设备,分别检测常规的糖度和霉心病光谱信息,融合两种光谱数据作为神经网络的输入信号,经过定制的神经网络结构处理,将输入信号转变为高阶特征,最终输出预测结果.实验结果表明,本方法具有较高的检测准确度,且能同时检测糖度和霉心病,提高了检测效率.
文献关键词：
苹果糖度;苹果霉心病;深度学习;卷积神经网络
中图分类号：
作者姓名：
王怀喜;李昊儒;李绍;林锥;刘增禄
作者机构：
北京京仪仪器仪表研究总院有限公司,北京100176;北京邮电大学,北京1000876
文献出处：
引用格式：
[1]王怀喜;李昊儒;李绍;林锥;刘增禄-.基于深度学习的苹果糖度和霉心病检测新技术)[J].自动化与仪器仪表,2022(06):57-60,65
A类：
B类：
苹果糖度,检测新技术,光谱数据,偏最小二乘,回归算法,无损检测,常规方法,离散度,非线性特征,同一个,光谱信息,两套,光谱检测,检测设备,神经网络结构,输出预测,检测准确度,同时检测,检测效率,苹果霉心病
AB值：
0.25537
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
