检索结果-南通市图书馆

食品工业科技 2024年

作者：王丹栾雨晴谭佐军魏薇华中农业大学信息学院华中农业大学工学院

农产品农药残留检测是保证农产品食用安全的重要环节，而传统检测方法步骤繁琐、成本高昂。本文利用高光谱技术结合机器学习算法和深度学习算法，以西兰花农药残留检测为样本，提供了一种简便快速、成本低、无损的西兰花农药残留检测方... 详细信息

农产品农药残留检测是保证农产品食用安全的重要环节，而传统检测方法步骤繁琐、成本高昂。本文利用高光谱技术结合机器学习算法和深度学习算法，以西兰花农药残留检测为样本，提供了一种简便快速、成本低、无损的西兰花农药残留检测方法。研究通过采集喷洒了不同种类农药和清水的西兰花样本400-1000nm高光谱图像，经过多元散射校正（MSC）、Savitzky-Golay卷积平滑（SG平滑）两种数据预处理方法，和主成分分析法（PCA）、竞争性自适应重加权算法（CARS）、连续投影算法（SPA）三种数据降维后，建立支持向量机（SVM）识别模型进行农药残留判别。得到SVM-SG-SPA组合判别效果最好，其对高效氯氰菊酯、毒死蜱、吡虫啉和清水的识别精度分别达到92.86%、 94.29%、91.43%和92.86%。用原始光谱数据建立一维卷积神经网络（1D-CNN）模型，其对高效氯氰菊酯、毒死蜱、吡虫啉和清水的识别精度达到94.29%、 95.71%、94.29%和97.14%，识别精度均高于SVM模型。结果表明，高光谱成像技术结合一维卷积神经网络的深度学习算法，不仅简化了对西兰花农药残留的识别过程，还提升了识别效率和识别精度。

关键词：高光谱技术西兰花农药残留识别卷积神经网络

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：