领学术科研之先，创食品科技之新
—— 中国食品杂志社
针对樱桃番茄在实际检测中样品数不足的特点，本研究提出一种深度卷积生成对抗网络（deep convolutional generative adversarial network，DCGAN）模型以同时扩充光谱数据及可溶性固形物含量（soluble solids content，SSC）标签数据，并建立一维卷积神经网络回归（one dimensional-convolutional neural networks regression，1D-CNNR）模型以提高模型的预测精度和泛化能力。为了比较，分别建立偏最小二乘回归（partial least squares regression，PLSR）模型和支持向量机回归（support vector regression，SVR）模型。将原始80 个样品数据集、1 000 个样品的DCGAN扩充数据集和1 080 个样品的合并数据集，分别结合1D-CNNR、SVR及PLSR进行建模与预测。为了进一步验证模型的泛化能力，一批新的总数为40 个样品的樱桃番茄数据作为上述3 个模型的新测试集。结果显示，使用合并数据集划分所得校正集进行1D-CNNR建模后，模型为最优的SSC回归检测模型。此时1D-CNNR面向合并样品测试集的预测准确率最高，预测相关系数rp＝0.980 7，均方根误差RMSEp＝0.192 9；与SVR与PLSR对比，1D-CNNR面向新的40 个样品数据集的预测准确率也最高，其rp＝0.963 8，RMSEp＝0.224 5。本研究可为有效准确检测樱桃番茄的可溶性固形物含量提供一种新思路。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
