典型文献
麻雀搜索算法优化BP算法结合高光谱预测小米米粉糊化特性
文献摘要：
为了实现小米米粉糊化特征指标的批量、快速检测,探索计算机深度学习结合高光谱成像技术在小米米粉糊化特征指标预测方面的应用方法,本研究运用高光谱数据提取、预处理分步运算程序获得小米米粉平均光谱数据,并以该数据矩阵为基础,运用麻雀搜索算法(sparrow search algorithm,SSA)优化误差反向传播(error back propagation,BP)算法进行待测样品糊化特征指标回归、预测.结果表明,光谱数据预处理程序能够标准化并简化光谱数据提取、预处理过程,该程序在粉末及小颗粒样本光谱数据的提取、预处理过程中具有普遍适用性;运用BP算法及SSA优化BP算法对小米米粉糊化各特征指标进行预测,从预测值与测试值间均方误差(mean squared error,MSE)可以看出,各指标MSE均下降,以峰值黏度(peak viscosity,PV)为例,其MSE从0.026 6降为0.017 5,可知运用SSA优化BP算法能够提高小米米粉糊化特征指标预测精度,降低MSE.本研究结论可以为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑.
文献关键词：
小米米粉糊化特征指标;高光谱成像;数据预处理;麻雀搜索算法
中图分类号：
作者姓名：
王国梁;王文俊;成锴;刘鑫;赵建贵;李洪;郭二虎;李志伟
作者机构：
山西农业大学农业工程学院,山西太谷 030801;山西农业大学谷子研究所,山西长治 046000
文献出处：
引用格式：
[1]王国梁;王文俊;成锴;刘鑫;赵建贵;李洪;郭二虎;李志伟-.麻雀搜索算法优化BP算法结合高光谱预测小米米粉糊化特性)[J].食品科学,2022(19):65-70
A类：
小米米粉糊化特征指标
B类：
麻雀搜索算法,算法优化,光谱预测,糊化特性,快速检测,索计算,高光谱成像技术,指标预测,应用方法,研究运用,高光谱数据,数据提取,分步,数据矩阵,sparrow,search,algorithm,SSA,误差反向传播,error,back,propagation,数据预处理,处理程序,小颗粒,均方误差,mean,squared,MSE,峰值黏度,peak,viscosity,PV,降为,高小,特性预测
AB值：
0.24632
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。
