激光与红外
激光與紅外
격광여홍외
LASER & INFRARED
2013年
7期
747-752
,共6页
郭中华%王磊%刘三亚%唐燕薇
郭中華%王磊%劉三亞%唐燕薇
곽중화%왕뢰%류삼아%당연미
近红外光谱%乳制品%小波压缩%RBF人工神经网络
近紅外光譜%乳製品%小波壓縮%RBF人工神經網絡
근홍외광보%유제품%소파압축%RBF인공신경망락
NITS%dairy product%wavelet compression%RBF-ANN
应用近红外透射光谱法对乳制品中蛋白质和脂肪含量进行检测.首先对光谱进行平滑等预处理,然后使用小波基为db3,分解尺度为6的小波进行数据压缩,最后以压缩后光谱数据作为输入,采用径向基函数人工神经网络(RBF-ANN)建立四种乳制品蛋白质和脂肪含量的预测模型,并试验得出最佳扩散常数spread值,其中,对蛋白质建模时最佳spread值为135,此时,相关系数和预测集均方差分别达到0.9999和0.0301;对脂肪建模时最佳spread值为105,此时,相关系数和预测集均方差分别达到0.9997和0.0968.结果表明,结合RBF-ANN和小波压缩建立的定量模型更稳定、精度更高,能够对乳制品品质进行快速无损检测.
應用近紅外透射光譜法對乳製品中蛋白質和脂肪含量進行檢測.首先對光譜進行平滑等預處理,然後使用小波基為db3,分解呎度為6的小波進行數據壓縮,最後以壓縮後光譜數據作為輸入,採用徑嚮基函數人工神經網絡(RBF-ANN)建立四種乳製品蛋白質和脂肪含量的預測模型,併試驗得齣最佳擴散常數spread值,其中,對蛋白質建模時最佳spread值為135,此時,相關繫數和預測集均方差分彆達到0.9999和0.0301;對脂肪建模時最佳spread值為105,此時,相關繫數和預測集均方差分彆達到0.9997和0.0968.結果錶明,結閤RBF-ANN和小波壓縮建立的定量模型更穩定、精度更高,能夠對乳製品品質進行快速無損檢測.
응용근홍외투사광보법대유제품중단백질화지방함량진행검측.수선대광보진행평활등예처리,연후사용소파기위db3,분해척도위6적소파진행수거압축,최후이압축후광보수거작위수입,채용경향기함수인공신경망락(RBF-ANN)건립사충유제품단백질화지방함량적예측모형,병시험득출최가확산상수spread치,기중,대단백질건모시최가spread치위135,차시,상관계수화예측집균방차분별체도0.9999화0.0301;대지방건모시최가spread치위105,차시,상관계수화예측집균방차분별체도0.9997화0.0968.결과표명,결합RBF-ANN화소파압축건립적정량모형경은정、정도경고,능구대유제품품질진행쾌속무손검측.
