近红外光谱与自组织竞争神经网络联用快速鉴别牛乳与复原乳

论文摘要

近红外光谱技术结合偏最小二乘法,与自组织竞争神经网络联用,构建鲜牛乳与复原乳的模式识别模型。经偏最小二乘法(PLS)处理后,提取4个主成分,使用96个吸收峰数据输入网络,学习速率为0.05,训练步数200步时,所建模型性能稳定,预测精度良好,模型对预测集样品识别准确率为100%。该方法可应用于原料奶质量评价与控制中,在复原乳或掺假乳的快速准确定性鉴别方面,提供了一条新思路。

论文目录

• 0 引言
• 1 实验
•   1.1 仪器与试剂
•   1.2 实验方法
•     1.2.1 配制复原乳
•     1.2.2 采集谱图
•   1.3 构建自组织竞争神经网络的模式识别模型
• 2 结果与讨论
•   2.1 偏最小二乘法 （PLS） 提取主成分
•   2.2 优化学习速率
•   2.3 训练步数
•   2.4 自组织竞争神经网络模型对预测集的预测结果
• 3 结论
•   3.1 自组织竞争神经网络模型适用性总结
•   3.2 近红外光谱技术对牛乳真伪进行模式识别需考虑检测限
•   3.3 作为输入向量的敏感吸收峰的选择是建立模式识别模型的关键

文章来源

类型: 期刊论文

作者: 荣菡,甘露菁

关键词: 近红外光谱,自组织竞争神经网络,鲜牛乳,复原乳,偏最小二乘法

来源: 中国乳品工业 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 化学,轻工业手工业

单位: 北京理工大学珠海学院材料与环境学院

分类号: O657.33;TS252.7

页码: 58-60

总页数: 3

文件大小: 957K

下载量: 89