CAJ | 학술논문

利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400~500nm、910~1400nm与1940~2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.
이용가견/근홍외광보기술대시장상5충도미진행료감별.이ASD FieldSpec3지물광보의채집료5충도미적광보수거,각획취35개양본,수궤분성훈련집(150빈)화검험집(25빈),병분별채취전파단여특정파단(400~500nm、910~1400nm여1940~2300nm)량충방법건립모형진행분석.광보경S.Golay평활화표준귀일화(SNV)처리후,이주성분분석법(PCA)강유.장강유소득적전9개주성분수거작위BP인공신경망락(BP-ANN)적수입변량,도미품충작위수출변량,건립3층BP-ANN감별모형.이용25개미지양대모형진행검험,결과표명량류모형예측준학솔균고체100%,기중특정파단모형비전파단모형구유경고적예측정도,설명이용가견/근홍외기술결합PCA-BP신경망락분석법진행도미품충여진위적쾌속、무손감별시가행적,차제취특정파단시우화모형적유효방법지일.