采用荧光光谱法结合神经网络优化对蒽芘双组分混合物进行了定量分析,提出了利用留一法交叉验证(leave one out cross validation,LOOCV)的模型训练方法,以解决混合样品光谱定量分析中用有限样品建立非线性回归模型的问题。蒽和芘混合样...采用荧光光谱法结合神经网络优化对蒽芘双组分混合物进行了定量分析,提出了利用留一法交叉验证(leave one out cross validation,LOOCV)的模型训练方法,以解决混合样品光谱定量分析中用有限样品建立非线性回归模型的问题。蒽和芘混合样品的激发波长为320nm,发射波长范围为320～450nm,以混合样品光谱数据的主分量作为输入、混合样品浓度作为输出进行LOOCV训练,对神经网络进行优化设计。在LOOCV实验结果中,预测10个测试质量较好的样品,平均相对误差(ARE)为3.39%,比预测所有12个样品的ARE低0.46%,样品最小相对误差可达到1.25%,10次重复实验相对标准偏差小于0.84%。该方法具有所需样品少、容错性好、分析精度高和稳定的特点。展开更多
[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间...[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。展开更多
文摘采用荧光光谱法结合神经网络优化对蒽芘双组分混合物进行了定量分析,提出了利用留一法交叉验证(leave one out cross validation,LOOCV)的模型训练方法,以解决混合样品光谱定量分析中用有限样品建立非线性回归模型的问题。蒽和芘混合样品的激发波长为320nm,发射波长范围为320～450nm,以混合样品光谱数据的主分量作为输入、混合样品浓度作为输出进行LOOCV训练,对神经网络进行优化设计。在LOOCV实验结果中,预测10个测试质量较好的样品,平均相对误差(ARE)为3.39%,比预测所有12个样品的ARE低0.46%,样品最小相对误差可达到1.25%,10次重复实验相对标准偏差小于0.84%。该方法具有所需样品少、容错性好、分析精度高和稳定的特点。
文摘[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。
