查看更多>>摘要：为快速、精准、无损地识别苹果品种,促进苹果产业快速发展,凸显高品质品种苹果优势,本研究采用介电频谱技术,以阿克苏地区 3 个品种的'红富士'苹果作为研究对象,基于LCR数字测试仪采集了 120 个苹果样本在 0～100 kHz的介电特频谱数据作为原始输入参数,在全频和连续投影算法优选频率条件下,利用误差反向传播网络与极限学习机 2 种方法建立了品种识别模型,并对模型精度进行了分析比较.结果表明,所建立的模型平均准确率均在 80%以上,频率优选条件下的 2 种模型分类准确率可达到 90%.然而由于以上模型方法存在无用信息,导致建立的模型稳定性较差,需要数据预处理、降维等步骤,操作耗时,且过程繁琐,致使分类结果稳定性较差.基于此,设计了一维卷积神经网络品种分类模型,与其他模型相比,一维卷积神经网络分类模型以原始参数作为输入,校正集与预测集中的平均分类准确率分别为 98.48%和 99.26%,模型稳定性更好,且可简化模型复杂度,改善苹果分类的准确性和稳定性,更适宜于苹果品种的识别.
万方数据
维普