光谱

  • 豆类中毛豆的理化特性及基于光谱学的机器学习方法在最佳采收期预测中的应用

    今天介绍一篇由弗吉尼亚理工大学食品科学与技术系Dajun Yu等人于2021年8月发表于Food Chemistry的一篇文章。文中通过研究毛豆发育过程中理化性质的变化,并应用基于光谱学的机器学习(ML)技术来确定毛豆最佳采收期。对R5(始籽)、R6(满粒)和R7(初熟)生长期采收的毛豆进行了理化特性分析,并用手持式分光光度计测量了豆荚的光谱反射率(360-740nm)。根据毛豆样品的特征特性将其采收期分为“早期”、“准备期”和“晚期”,使用豆荚的光谱反射率的机器学习方法随机森林进行分类,研究结果证明该方法可以确定毛豆的最佳采收期。

    2022年3月21日 0 1.5K 0
  • 基于二维相关光谱与卷积神经网络的食用油产地溯源与掺假分析

    今向大家介绍一篇来自武汉轻工大学的刘言等人在SPECTROCHIM ACTA A上发表的一篇论文。该研究基于食用油的二维相关光谱并设计卷积神经网络(CNN)对食用油的同步相关谱和异步相关谱进行分析。用一组不同产地的芝麻油和另一组掺有其他植物油的橄榄油对该方法进行了评价。两个数据集的预测准确率分别为97.3%和88.5%。

    AI食品 2021年5月8日 0 3.4K 0