可见-近红外光谱技术鉴别葡萄品种的新方法:98.28%识别精度
133 浏览量
更新于2024-08-27
收藏 433KB PDF 举报
本文研究了基于可见-近红外反射光谱技术的葡萄品种鉴别方法,这是一种创新且快速无损的葡萄品种辨识手段。作者首先利用主成分分析(PCA)对黑提、马奶子和木拉格三种葡萄品种的光谱数据进行了聚类分析,结果显示黑提葡萄在光谱特征上具有显著的区分性。接着,他们将注意力转向马奶子和木拉格两种葡萄,采用人工神经网络技术进行品种鉴别。具体来说,他们构建了一个三层的BP(Back Propagation,反向传播)神经网络模型,输入为前10个主成分,输出为葡萄品种类型。实验结果显示,该模型的识别准确率高达98.28%,相较于簇类独立软模式(SIMCA)表现更优。
研究的关键发现是确定了四个对葡萄品种鉴别特别敏感的波段:452nm、493nm、542nm和668nm。这些波段的光谱特性对于品种识别起到了关键作用。基于这些敏感波段的光谱数据,BP神经网络的预测准确率达到了97.41%,进一步证实了可见-近红外光谱分析技术结合主成分分析和人工神经网络的有效性。
这项研究为葡萄品种的快速无损鉴别提供了一种新的科学方法,不仅提高了鉴别效率,而且通过精确的波段选择,减少了误判的可能性。这对于葡萄酒产业的质量控制、品种改良以及农业实践中的品种管理都具有重要的实际应用价值。未来可能的发展方向包括扩展到更多的葡萄品种识别,优化模型参数,以及与其他遥感技术的集成,以提升葡萄品种鉴别的精度和普及性。
2020-05-04 上传
2021-02-10 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
2021-07-17 上传
点击了解资源详情
点击了解资源详情
weixin_38627234
- 粉丝: 4
- 资源: 934
最新资源
- vb语言程序设计教程.zip
- sjasmplus:SJAsmPlus
- A06:作业6
- GnomeNibus-开源
- message-franking-tester:实施不同的邮件盖章方案和性能分析测试仪
- 机器学习python标记工具-Labelimg2024
- React-Portfolio:我的一小部分作品,用React重写
- MM32SPIN0x(s) 库函数和例程.rar
- goApi
- cuetools-开源
- Veni-Vidi-Voravi
- website:Terre Tropicale公共网站
- Main:基于struts2库存管理系统Android端
- Another-React-Lib:只是另一个充满可重用组件的React库
- 华为简历-求职简历-word-文件-简历模版免费分享-应届生-高颜值简历模版-个人简历模版-简约大气-大学生在校生-求职-实习
- 原型