領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
為了實(shí)現(xiàn)綠茶殺青過(guò)程中水分含量的快速有效檢測(cè)，利用機(jī)器視覺(jué)結(jié)合近紅外光譜技術(shù)，構(gòu)建綠茶殺青過(guò)程中水分含量變化的定量預(yù)測(cè)模型。首先采集殺青過(guò)程中在制品的光譜和圖像信息，然后采用競(jìng)爭(zhēng)性自適應(yīng)權(quán)重取樣（competitive adaptive reweighted sampling，CARS）法、變量組合集群分析（variables combination population analysis，VCPA）法、變量組合集群分析法結(jié)合迭代保留信息變量（variable combination population analysis and iteratively retains informative variables，VCPA-IRIV）法和隨機(jī)蛙跳法（random frog，RF）4 種變量篩選方法提取光譜中的特征波長(zhǎng)，并融合圖像中的15 個(gè)色澤和紋理特征建立線性偏最小二乘回歸（partial least squares regression，PLSR）和非線性支持向量回歸（support vector regression，SVR）預(yù)測(cè)模型。結(jié)果表明，與單一數(shù)據(jù)相比，基于融合數(shù)據(jù)所建立的模型能有效提高預(yù)測(cè)精度，其中基于CARS算法提取光譜特征波長(zhǎng)融合圖像的15 個(gè)顏色特征，并結(jié)合歸一化預(yù)處理和主成分分析（principal component analysis，PCA）建立的SVR模型效果最佳，其中校正集相關(guān)系數(shù)為0.974 2，預(yù)測(cè)集相關(guān)系數(shù)為0.971 9，相對(duì)分析誤差（relative percent deviation，RPD）為4.154 6，表明模型具有極好的預(yù)測(cè)性能。綜上，本研究證明融合光譜和圖像技術(shù)對(duì)綠茶殺青過(guò)程中水分含量預(yù)測(cè)的可行性，克服了單一傳感器預(yù)測(cè)精度低的問(wèn)題，為實(shí)現(xiàn)綠茶殺青葉水分含量的快速無(wú)損檢測(cè)和精準(zhǔn)把控殺青質(zhì)量提供理論基礎(chǔ)。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
