作者
孙 富
文章摘要
近年来，库尔勒香梨因其独特的风味和营养价值受到市场的欢迎，然而其糖度差异较大，影响了消费体验。本研究利用近红外光谱技术结合深度学习，开发了一种无损检测库尔勒香梨内部糖度的新方法。研究首先收集了不同成熟度的库尔勒香梨样本，并采用近红外光谱技术获取样本数据。接着，设计并训练了基于卷积神经网络（CNN）的深度学习模型，用于分析和预测香梨的糖度。结果显示，该模型在香梨糖度预测上表现出较高的准确率和良好的稳定性，其预测的平均绝对误差（MAE）达到了较低水平。此外，该方法无需破坏香梨样本，具有操作简便和快速响应的优点。本研究的技术和方法为其他水果内部品质的无损检测提供了新的思路和技术支持，具有重要的理论意义和应用前景。
文章关键词
近红外光谱；深度学习；库尔勒香梨；无损检测；糖度预测
参考文献
[1] 罗亚琼,于国龙,李怀旭,吴恋.基于红外光谱的梨糖度无损检测系统设计[J].无线互联科技,2021,18(11):48-49.
[2] 张小斌,朱怡航,赵懿滢,陈妙金,孙奇男,谢宝良,冯绍然,顾清.基于可见/近红外光谱的水蜜桃糖度无损检测方法优化研究[J].浙江农业学报,2023,35(07):1617-1625.
[3] 陈东杰,姜沛宏,郭风军,张玉华,张长峰.不同速度对近红外光谱预测库尔勒香梨品质模型的影响[J].光谱学与光谱分析,2020,40(06):1839-1845.
[4] 王彦群,贾浩坤,范振岐.库尔勒香梨含糖量的近红外光谱检测模型研究[J].现代计算机,2022,28(18):47-51.
[5] 范振岐,张含笑,王彦群.基于近红外光谱的库尔勒香梨等级判别模型研究[J].塔里木大学学报,2022,34(04):62-68.
Full Text:
DOI
