基于CNN和近紅外光譜的蜜柑SSC預(yù)測(cè)模型研究

打開(kāi)文本圖片集

摘要：針對(duì)抽樣化驗(yàn)等傳統(tǒng)果實(shí)品質(zhì)檢測(cè)方法具有破壞性以及現(xiàn)有回歸預(yù)測(cè)模型存在光譜信息損失和特征提取不夠完備等問(wèn)題，提出基于近紅外光譜分析技術(shù)和一維卷積神經(jīng)網(wǎng)絡(luò)（1D-CNN）實(shí)現(xiàn)蜜柑果實(shí)可溶性固形物含量預(yù)測(cè)的模型和方法。采集蜜柑的近紅外光譜和測(cè)定可溶性固形物含量建立數(shù)據(jù)集。并通過(guò)試驗(yàn)對(duì)比確定使模型性能最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)深度、卷積核尺寸和數(shù)量、有無(wú)批量歸一化（BN）層、池化方式、全連接層深度和Dropout值等網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，形成包含2層卷積層、2層BN層，2層最大池化層和2層全連接層的一維卷積神經(jīng)網(wǎng)絡(luò)，并設(shè)置Dropout值為0.2。（剩余12944字）