首页|基于卷积神经网络的茶鲜叶主要内含物的光谱快速检测方法

基于卷积神经网络的茶鲜叶主要内含物的光谱快速检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
儿茶素和咖啡碱是茶叶品质的重要评价指标,为了探索深度卷积神经网络(CNN)结合可见近红外光谱(Vis/NIR)用于茶叶儿茶素和咖啡碱无损快速检测的可行性,本研究通过高效液相色谱来测定茶叶中的儿茶素和咖啡碱含量,并与样本的光谱信息建立对应关系;采用回归分析和CNN建模构建了光谱与茶叶内含物的定量关系;采用竞争自适应重加权采样(CARS)和连续投影算法(SPA)选择特征波长,用于开发基于这些特征波长的简单模型.结果 表明:4种儿茶素和咖啡碱含量从第1叶位到第6叶位呈现出逐渐降低的趋势;提取特征波长不仅减少了光谱变量数,还获得了比全谱更优或接近的模型性能;CNN在回归分析和特征提取中均表现出良好的性能,预测儿茶素和咖啡碱最优模型的决定系数(R2)和残余预测偏差(RPD)分别达到了0.93和3.28以上.因此,卷积神经网络结合可见近红外光谱可以对儿茶素和咖啡碱的含量进行快速无损检测.
Spectral rapid detection of phytochemicals in tea(Camellia sinensis) based on convolutional neural network

李晓丽、张东毅、董雨伦、金娟娟、何勇

展开 >

浙江大学生物系统工程与食品科学学院/农村农业部光谱传感重点实验室,杭州310058

卷积神经网络 可见近红外光谱 新鲜茶叶 儿茶素 咖啡碱

国家自然科学基金国家重点研发计划浙江省科技计划高校基本科研业务费专项

317716762018YFD07005012017C02027-012015QNA6005

2021

10.11841/j.issn.1007-4333.2021.11.11

中国农业大学学报
中国农业大学

中国农业大学学报

CSTPCDCSCD北大核心
影响因子：0.971
ISSN：1009-508X
年,卷(期)：2021.26(11)
  • 9
  • 6