2022级硕士研究生杨娇以第一作者,关海鸥教授为通讯作者在中科院分区二区期刊《Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy》在线发表了题为“A Quality Detection Method of Corn Based on Spectral Technology and Deep Learning Model”的研究论文

时间:2024-04-02作者:文章来源:全球信誉最好的网投平台浏览:10

近日,我校全球信誉最好的网投平台关海鸥教授指导的2022级硕士研究生杨娇以第一作者,关海鸥教授为通讯作者在中科院分区二区期刊《Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy》在线发表了题为“A Quality Detection Method of Corn Based on Spectral Technology and Deep Learning Model的研究论文。本研究得到了国家自然基金(31601220)、黑龙江自然省基金(LH2020C080)、黑龙江八一农垦大学三横三纵(TDJH202101ZRCQC202006)的资助。(DOI:https://doi.org/10.1016/j.saa.2023.123472

玉米是世界上重要的粮食作物,随着经济发展和人口增长,玉米的营养品质高低,对高品质育种、科学栽培与精细管理具有重要意义。针对目前在玉米品质检测方面研究存在的步骤繁琐、耗时费力、准确性不高等问题。研究提出,将近红外光谱技术与深度学习技术相结合,构建了一种基于卷积神经网络(LeNet-5)的玉米品质检测模型。采用小波变换(WT)与多元散射校正对原始光谱数据进行预处理,去除噪声干扰和光谱散射信息。应用竞争性自适应重加权采样算法(CARS)优选特征波数,减少冗余数据。依据优选出的特征波数,输入到构建的玉米品质检测模型中仿真测试,得到测试集的平均检测准确率为96.46%,平均精确率为95.42%,平均召回率为97.92%,平均F1score96.64%,平均识别时间为51.95s。本研究所构建的深度学习LeNet-5网络模型与BP神经网络、KNNSVMGLMLDANB这些传统机器学习模型相比,准确率平均提升了39.32%,具有更高的检测准确率。


XML 地图