基于PCANet网络和偏最小二乘回归的大米鉴别和水分检测

摘要：

为更好地做好食品的鉴别和检测,以不同种类的大米为研究对象,提出一种基于图谱特征和多元分析法的食品鉴别和检测方法.该方法通过提取大米光谱和形态与纹理图像特征,并采用PCANet模型对多特征融合后的特征进行分类,然后利用偏最小二乘回归分析(PLSR)模型对大米高光谱成像进行水分检测,从而实现对不同种类大米的准确鉴别及水分的检测.仿真结果表明,所提方法在训练集和测试集上的正确分类率分别达到98.88％和98.69％;在校正集和预测集上的决定系数分别为0.75和0.74,均方根误差分别为0.54和0.60,具有较高的准确率,且可用于其他食品的鉴别与检测.

关键词：大米、图像特征、光谱特征、多元分析、食品鉴别

分类号：TS207.3;TP79(食品工业)

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63