基于计算机视觉和嗅觉的菠菜叶绿素含量检测方法研究
发布时间:2018-02-10 14:32
本文关键词: 菠菜 计算机视觉 电子鼻 融合技术 人工神经网络 叶绿素 出处:《现代食品科技》2017年05期 论文类型:期刊论文
【摘要】:以叶绿素含量为评价菠菜新鲜度的参考指标,开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入,以叶绿素含量的化学检测值作为模型的输出,采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示,以视觉信息为输入量的模型测试结果:训练集和测试集的均方根误差(RMSE)分别为0.1978 mg/g和0.2147 mg/g,相关系数(R)分别为0.8457和0.7995。以电子鼻信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.3119 mg/g和0.3032 mg/g,R分别为0.7013和0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.1759 mg/g和0.2121 mg/g,R分别为0.8888和0.8736,精度比两个单一技术均有所提高。研究表明,利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的,采用融合技术有助于提升模型的预测精度。
[Abstract]:Using chlorophyll content as the reference index to evaluate the freshness of spinach, a nondestructive testing method of spinach quality after harvest was developed. The images and smell information of spinach during storage period were obtained by computer vision and electronic nose, respectively. The principal component of olfactory information was used as the input of the model, the chemical detection value of chlorophyll content was taken as the output of the model, and the quantitative prediction model of spinach chlorophyll was established by using the error back-propagation neural network. The RMSE of training set and test set were 0.1978 mg/g and 0.2147 mg / g, the correlation coefficient was 0.8457 and 0.7995 respectively. The RMSE of the test set was 0.3119 mg/g and 0.3032 mg / g / g, respectively 0.7013 and 0.6905.The model test results with visual and olfactory fusion information as input: training, The RMSE of the test set was 0.1759 mg/g and 0.2121 mg / g / g, respectively, which were 0.8888 and 0.8736, respectively, which were higher than those of two single techniques. The results showed that the method of predicting chlorophyll content in spinach by computer vision and electronic nose was feasible. The fusion technique is helpful to improve the prediction accuracy of the model.
【作者单位】: 江苏大学食品与生物工程学院;
【基金】:江苏省重点研发计划(现代农业)项目(BE2015308) 江苏省高校自然科学研究重大项目(14KJA550001) 江苏高校优势学科建设工程资助项目 国家自然基金项目(31671932) 江苏省第四期“333工程”资助项目(BRA2015320)
【分类号】:S636.1;TP391.41
【相似文献】
相关期刊论文 前3条
1 王树文;张长利;房俊龙;;应用计算机视觉对番茄损伤分类的研究[J];东北农业大学学报;2006年02期
2 施健;何建国;张冬;马翔;;基于计算机视觉鲜枣大小分级系统研究[J];食品与机械;2013年05期
3 ;[J];;年期
相关会议论文 前1条
1 孙洁琼;孙明;;基于计算机视觉的水果外观品质检测分级研究现状[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
相关博士学位论文 前1条
1 彭辉;基于计算机视觉的树上柑橘自动识别和定位技术的研究[D];华中农业大学;2011年
相关硕士学位论文 前1条
1 何芳;基于视觉的番木瓜外观品质检测技术研究[D];昆明理工大学;2011年
,本文编号:1500738
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1500738.html