System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及食品安全,具体涉及基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法。
技术介绍
1、传统的牛奶掺假检测方法可以在一定程度上检测出牛奶是否掺假及掺假物质的种类,并不能对牛奶中掺假物质的含量进行精确检测,这是牛奶产业亟待解决的问题之一。高光谱技术的出现使得这一问题能够得到有效的解决,高光谱成像是一种快速、可靠地同时测量光谱和光谱信息的技术。由于高光谱成像技术可以提供无损检测、可视化等操作,被广泛应用于食品掺假检测方面。
2、现有研究中有利用高光谱成像技术结合机器学习对肉末中掺假鸡肉进行快速无损检测,实验结果证明,高光谱成像结合机器学习可以用于检测、量化和可视化碎牛肉中鸡肉的掺假量;也有研究基于高光谱成像技术对红辣椒掺假进行检测,实验结果证明高光谱技术结合单一分类模型可以对红辣椒粉中的掺假成分进行检测;也有研究利用高光谱成像法对掺假新鲜奶酪中淀粉的含量进行检测,实验结果证明了该方法的可行性;也有研究基于优化算法和高光谱成像对高粱掺假进行快速无损检测,实验结果证明采用偏最小二乘判别分析(pls-da)能够快速无损地对高粱掺假进行检测。以上研究均证明了高光谱技术在食品掺假方面的优越性。
3、鉴于上述缺陷,本专利技术创作者经过长时间的研究和实践终于获得了本专利技术。
技术实现思路
1、本专利技术的目的在于解决传统的牛奶掺假检测方法可以在一定程度上检测出牛奶是否掺假及掺假物质的种类,并不能对牛奶中掺假物质的含量进行精确检测的问题,提供了基于高光谱成像和
2、为了实现上述目的,本专利技术公开了基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,包括以下步骤:
3、s1,利用高光谱成像仪对待测样品进行高光谱图像采集;
4、s2,利用envi软件对高光谱图像提取感兴趣区域,得到数据集;
5、s3,对采集到的数据进行预处理操作;
6、s4,从原始波段中选择最具有代表性的波段;
7、s5,采用群智能优化算法对lstm的隐藏层神经元个数,dropout比率及批量大小的值进行优化,利用优化后的lstm模型对牛奶中的掺假物含量进行检测。
8、所述步骤s1中,采集的波长范围为400nm~1000nm。
9、所述步骤s2中,数据集的大小为440*125。
10、所述步骤s3中,预处理采用的方法为标准正态变换、多元散射校正或卷积平滑。
11、所述步骤s3中,预处理采用的方法为标准正态变换。
12、所述步骤s4中,波段选择的方法为竞争性自适应重加权采样法、连续投影算法或非信息变量剔除法。
13、所述步骤s4中,波段选择的方法为非信息变量剔除法。
14、所述步骤s5中,群智能优化算法包括灰狼优化算法、粒子群算法、鲸鱼优化算法、天鹰优化器、麻雀优化算法。
15、所述步骤s5中,群智能优化算法为灰狼优化算法或麻雀优化算法。
16、所述步骤s5中,隐藏层神经元个数的范围为[5,256],dropout比率的范围为[0.00001,0.01],批量大小的范围设置为[5.36]。
17、与现有技术比较本专利技术的有益效果在于:本专利技术利用高光谱成像技术对牛奶掺假进行快速无损检测。采用标准正态变换方法对牛奶高光谱图像进行预处理,预处理后建立的svr模型预测集决定系数及均方根误差的值分别为0.9911和0.1161。其次采用使用无信息变量消除算法对数据进行波段选择,选择后的数据建立的svr模型预测集决定系数及均方根误差的值分别为0.9911和0.5732。最终利用群智能优化算法优化后的长短期时间网络模型对掺假牛奶进行分析。结果表明,灰狼优化算法及麻雀优化算法优化后的lstm模型预测能力更好。本研究建立的牛奶掺假检测模型能够快速无损地对牛奶中的掺假物进行定量分析。
本文档来自技高网...【技术保护点】
1.基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S1中,采集的波长范围为400nm~1000nm。
3.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S2中,数据集的大小为440*125。
4.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S3中,预处理采用的方法为标准正态变换、多元散射校正或卷积平滑。
5.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S3中,预处理采用的方法为标准正态变换。
6.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S4中,波段选择的方法为竞争性自适应重加权采样法、连续投影算法或非信息变量剔除法。
7.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速
8.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S5中,群智能优化算法包括灰狼优化算法、粒子群算法、鲸鱼优化算法、天鹰优化器、麻雀优化算法。
9.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S5中,群智能优化算法为灰狼优化算法或麻雀优化算法。
10.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤S5中,隐藏层神经元个数的范围为[5,256],dropout比率的范围为[0.00001,0.01],批量大小的范围设置为[5.36]。
...【技术特征摘要】
1.基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤s1中,采集的波长范围为400nm~1000nm。
3.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤s2中,数据集的大小为440*125。
4.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤s3中,预处理采用的方法为标准正态变换、多元散射校正或卷积平滑。
5.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤s3中,预处理采用的方法为标准正态变换。
6.如权利要求1所述的基于高光谱成像和优化算法的牛奶掺假快速无损定量检测方法,其特征在于,所述步骤s4中,波...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。