基于卷积神经网络的食品塑料包装袋光谱识别

摘要：

目的 实现食品塑料包装袋的快速检测和材质区分.方法 研究使用高光谱成像技术在450～950 nm波长范围下采集了49组不同食品包装袋样本的光谱数据,利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理,建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型,并比较了它们对包装袋材质的识别性能.结果 决策树模型与支持向量机模型的验证识别率分别为87.8％和88.9％,卷积神经网络模型的验证识别率高达100％,损失函数值最终下降到0.0171且达到收敛,在分类效果和精度上具有明显的优势.结论 高光谱检测方法不破坏检材,重现性好,稳定性强,实现了对食品塑料包装袋的精准识别.卷积神经网络模型对食品包装袋高光谱数据的识别效果最好,为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据.

关键词：高光谱成像技术;卷积神经网络;包装袋;机器学习;快速识别

所属期刊栏目：43

分类号：TS206.4(食品工业)

资助基金：国家重点研发计划2017YFC0822001

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：121-128