作者:陈哲,赵杰文 单位:黑龙江省农业机械学会;黑龙江省农业机械工程科学研究所 出版:《农机化研究》2012年第11期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFNJYJ2012110340 DOC编号:DOCNJYJ2012110349 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于电子鼻技术的茶叶贮藏时间检测方法》PDF+DOC2016年第05期 杨春兰,薛大为 《基于电子鼻技术的茶叶贮藏时间检测方法》PDF+DOC2016年第05期 杨春兰,薛大为 《人工神经网络在茶叶品质评定中的应用》PDF+DOC2016年第01期 潘玉成,叶乃兴 《电子鼻/舌融合技术的信阳毛尖茶品质检测》PDF+DOC2019年第10期 邹光宇,王万章,王淼森,肖焱中,张红梅 《用于检测糖尿病标志物的电子鼻优化设计》PDF+DOC2018年第01期 奉轲,花中秋,伍萍辉,李彦,曾艳,王天赐,邱志磊 《电子鼻技术在谷物霉变识别中的应用》PDF+DOC2005年第03期 潘天红,陈山,赵德安 《电子鼻快速检测谷物霉变的研究》PDF+DOC2004年第04期 邹小波,赵杰文 《电子鼻在气体检测中的应用研究》PDF+DOC2008年第06期 黄小燕,赵向阳,方智勇 《电子鼻技术在茶叶品质检测中的应用研究》PDF+DOC2008年第05期 于慧春,王俊 《基于电子鼻技术的黄山毛峰茶品质检测方法》PDF+DOC2014年第03期 薛大为,杨春兰
  • 采用由12个金属氧化物传感器组成阵列的电子鼻,对3种等级碧螺春茶的茶水和茶底气味进行检测。筛选了9个对茶叶挥发香气敏感的传感器阵列,并分别提取了各个传感器所获取茶水和茶底数据的最大值、最小值和平均值作为特征变量,进行主成分分析,再利用K最邻近(KNN)和误差反向神经网络(BP-ANN)对数据进行分析与识别。KNN结果显示,采用茶水和茶底特征融合信息对不同等级碧螺春茶的识别效果较茶水和茶底更佳,KNN模型对独立样本的判别率达到83.33%;设计拓扑结构为10-7-3的BP-ANN模型对信息融合的茶叶样本判别率则达到了100%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。