典型文献
基于卷积神经网络和近红外光谱的茶叶品种和等级鉴别
文献摘要：
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.
文献关键词：
近红外光谱;卷积神经网络;特征波长选取;茶叶品种和等级鉴别
中图分类号：
作者姓名：
圣阳;焦俊;滕燕;马鑫;李春;蒋玲
作者机构：
南京林业大学信息科学技术学院,江苏南京210037
文献出处：
引用格式：
[1]圣阳;焦俊;滕燕;马鑫;李春;蒋玲-.基于卷积神经网络和近红外光谱的茶叶品种和等级鉴别)[J].分析科学学报,2022(05):552-560
A类：
茶叶品种和等级鉴别,siPLS,SPA+CNN,CARS+CNN
B类：
近红外光谱,不同等级,龙井茶,小波分析,WT,光谱数据,联合区间偏最小二乘,区间偏最小二乘法,连续投影算法,竞争性,重加权,加权算法,提取特征,立卷,分类模型,平移法,线性叠加法,噪声法,数据增强,卷积神经网络模型,特征波长提取,无损鉴别,在线检测,检测设备,特征波长选取
AB值：
0.254212
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。
