江西农业大学学报
江西農業大學學報
강서농업대학학보
ACTA AGRICULTURAE UNIVERSITATIS JIANGXIENSIS
2013年
2期
413-418
,共6页
吴瑞梅%吴彦红%艾施荣%刘木华%赵杰文%严霖元
吳瑞梅%吳彥紅%艾施榮%劉木華%趙傑文%嚴霖元
오서매%오언홍%애시영%류목화%조걸문%엄림원
茶叶外形%高光谱图像%BP神经网络%主成分分析
茶葉外形%高光譜圖像%BP神經網絡%主成分分析
다협외형%고광보도상%BP신경망락%주성분분석
为弥补感官审评方法评定茶叶品质存在的不足,提出采用高光谱图像来量化分析茶叶的外形感官品质.以碧螺春名优绿茶为对象,采集其高光谱图像,利用主成分分析法从原始高光谱图像中优选出3个波长(768.74,827.54,886.83 nm)下的特征图像.分别提取每个特征图像的颜色特征和纹理特征,3个特征图像共提取90个特征变量.利用BP神经网络方法建立特征变量与外形感官评分之间的相关模型,模型对预测集样本的相关系数为0.859,预测均方根误差为3.611.在预测集中,对模型的预测值与实际评分值进行t检验时,预测值与实际值无显著差异,说明所建模型是准确可靠的.
為瀰補感官審評方法評定茶葉品質存在的不足,提齣採用高光譜圖像來量化分析茶葉的外形感官品質.以碧螺春名優綠茶為對象,採集其高光譜圖像,利用主成分分析法從原始高光譜圖像中優選齣3箇波長(768.74,827.54,886.83 nm)下的特徵圖像.分彆提取每箇特徵圖像的顏色特徵和紋理特徵,3箇特徵圖像共提取90箇特徵變量.利用BP神經網絡方法建立特徵變量與外形感官評分之間的相關模型,模型對預測集樣本的相關繫數為0.859,預測均方根誤差為3.611.在預測集中,對模型的預測值與實際評分值進行t檢驗時,預測值與實際值無顯著差異,說明所建模型是準確可靠的.
위미보감관심평방법평정다협품질존재적불족,제출채용고광보도상래양화분석다협적외형감관품질.이벽라춘명우록다위대상,채집기고광보도상,이용주성분분석법종원시고광보도상중우선출3개파장(768.74,827.54,886.83 nm)하적특정도상.분별제취매개특정도상적안색특정화문리특정,3개특정도상공제취90개특정변량.이용BP신경망락방법건립특정변량여외형감관평분지간적상관모형,모형대예측집양본적상관계수위0.859,예측균방근오차위3.611.재예측집중,대모형적예측치여실제평분치진행t검험시,예측치여실제치무현저차이,설명소건모형시준학가고적.
