基于"深度"神经网络的贮藏期柚果品质检测模型研究

扫码查看

原文链接

万方数据

中文摘要：针对柚果单个理化指标无法表征整果品质,和其内部品质无损检测精度不佳等问题,采用可见-近红外光谱、机器视觉和动态称重等无损检测技术,搭建动态无损检测试验样机,构建"深度"神经网络模型,探究柚果内部综合品质检测方法.研究发现,采集柚果的多特征信息(光谱特征、果形描述子和动态质量等),经数据融合和分析,构建综合品质指标(HP和STP),建立BP神经网络模型,可准确检测蜜柚和沙田柚内部品质,Rpre2分别达到0.9301和0.9361,均高于其他内部品质指标(SSC,TA,MC和E)检测结果,具备高效、快速且精度高等优势.研究为厚皮水果综合品质指标构建和模型检测提供参考.

外文标题：Research on quality detection model of pomelo during storage based on"depth"neural network

外文关键词：

pomelofruit shape descriptorback propagation neural networkmulti-feature fusioncomprehensive quality

作者：

孙潇鹏、林建、郭海龙、肖心远、陆华忠

展开 >

作者单位：

广东交通职业技术学院汽车与工程机械学院,广州 510650

华南农业大学工程学院,广州 510642

福建农林大学机电工程学院,福州 350028

关键词：

柚果果形描述子 BP神经网络多特征融合综合品质

基金：

国家重点研发计划福建省自然科学基金广东省教育厅科研项目福建省高原学科建设项目广东省教育厅普通高等学校特色创新项目(自然科学类)广东省科技创新战略专项资金(大学生科技创新培育)项目

项目编号：

2016YFD03005082016J017012021KTSCX2227120180142018GKTSCX080pdjh2022b0853

出版年：

2023

DOI：

10.3969/j.issn.1005-1295.2023.05.002

包装与食品机械

中国机械工程学会

包装与食品机械

CSTPCD北大核心

影响因子：1.019

ISSN：1005-1295

年,卷(期)：2023.41(5)

参考文献量11