领学术科研之先，创食品科技之新
—— 中国食品杂志社
为解决实际生产中生姜腐败等级检测困难，以及检测模型在多品种场景下泛化能力不足的双重难题，本研究提出一种基于电子鼻技术和集成学习Boosting算法改进反向传播神经网络（back propagation neural network，BPNN）的多品种生姜腐败等级检测方法。为实现对多品种生姜腐败等级的普适性检测，分别以安丘嫩芽姜、山东大姜、四川嫩芽姜和云南小黄姜为研究对象，采集各品种不同腐败阶段产生的特征挥发性气体。基于所采集的传感器数据，提取基线值、响应幅值、一阶导数最大值、第10秒瞬态值、方差和上升时间6 种特征建立特征空间。采用随机森林（random forest，RF）、梯度提升决策树（gradient boosting decision tree，GBDT）和BPNN算法建立生姜腐败等级检测模型。结果表明，BPNN模型与四川嫩芽姜结合的腐败检测准确率最好，可达96.70%。鉴于其性能尚有提升空间，使用Boosting和Bagging算法对BPNN进行优化，得到性能最优的Boosting-BPNN模型，与云南小黄姜结合检测准确率高达98.80%。进一步使用其余生姜品种对该模型进行多品种验证，结果表明所有品种准确率均在90%以上。本研究表明Boosting-BPNN模型可以实现对多品种生姜腐败的低成本、高效检测，对后续针对电子鼻与生姜的研究具有现实意义。
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
