领学术科研之先，创食品科技之新
—— 中国食品杂志社
为实现对桑黄样品的快速、无损、准确溯源，本研究通过对比可见-近红外（400～1 000 nm）和短波红外（900～1 700 nm）范围内高光谱成像技术，结合深度学习算法，构建了一种快速鉴别桑黄产地来源及栽培模式模型。通过比较6 种预处理方法（一阶导数、二阶导数、多元散射校正（multiplicative scatter correction，MSC）、标准正态变量变换（standard normal variate，SNV）、Savitzky-Golay平滑、去趋势）、3 种特征选择算法（连续投影算法、竞争性自适应重加权算法、无信息变量消除（uninformative variable elimination，UVE）算法）和3 种深度学习算法（卷积神经网络（convolutional neural network，CNN）、反向传播神经网络、径向基函数神经网络）确立最优算法组合。结果表明，在双波段性能对比中，短波红外波段的鉴别精度显著优于可见-近红外波段；3 种深度学习算法中，CNN模型的分类能力最优。具体而言，针对桑黄产地溯源任务，900～1 700 nm波段下的SNV-UVE-CNN模型表现最佳，测试集分类准确率达99.36%；针对栽培模式识别，900～1 700 nm波段下的MSC-CNN模型性能最优，测试集准确率为97.44%。此外，本研究采用t-分布随机邻域嵌入算法对模型提取的深层特征进行可视化分析，通过对比双波段高光谱成像技术，筛选最适深度学习算法，实现了对桑黄产地来源与栽培模式的精准识别，明确了900～1 700 nm波段的应用优势及CNN模型的适用性，本研究可为构建智能化快速检测技术体系及推动便携式检测装备的研发与应用提供重要的理论基础与数据支撑。
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
