基于深度学习的西瓜可见/近红外光谱可溶性固形物预测模型研究

作者：吴爽; 李国建; 介邓飞^*

来源：食品与机械, 2020, 36(12): 132-135.

DOI：10.13652/j.issn.1003-5788.2020.12.028

• 可见/近红外光谱
• 西瓜
• 深度学习
• 残差块
• 可溶性固形物

通过可见/近红外光谱技术结合K最近邻法回归、随机森林回归、深度卷积神经网络及带有残差块的深度卷积神经网络4种化学计量学方法对不同糖度的西瓜进行定量判别,并借鉴适用于图像处理的深度网络模块对可见/近红外光谱进行建模。结果表明,深度学习网络模块一维化在可见/近红外光谱数据处理中体现了巨大潜力,卷积神经网络CNN模型在预测集中Rp为0.855 9,RMSEP为0.778 1°Brix,加入Res-block后的改进卷积神经网络Res-CNN在预测集中Rp为0.893 2,RMSEP为0.710 4°Brix。

• 单位
  福建农林大学; 机电工程学院