作者:张婷婷,孙群,杨磊,杨丽明,王建华 单位:中国农业工程学会 出版:《农业工程学报》2017年第21期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFNYGU2017210340 DOC编号:DOCNYGU2017210349 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于电子鼻的番茄种子发芽率检测》PDF+DOC2011年第12期 程绍明,王俊,马杨珲,王永维,韦真博 《百草油鉴别分类的电子鼻实现方法研究》PDF+DOC2010年第07期 庄家俊,骆德汉,邹宇华 《香辛料识别中电子鼻采集及算法研究》PDF+DOC2017年第02期 刘云翔,刘天伟 《基于金属氧化物传感器阵列的小麦霉变程度检测》PDF+DOC2018年第07期 林振华,姜水,张红梅,王俊 《LDA优化电子鼻传感器阵列的研究》PDF+DOC2012年第01期 费雅君,白雪,康小红 《电子鼻在小麦品质控制中的应用研究》PDF+DOC2012年第03期 赵丹,张玉荣,林家永,周显青 《电子鼻技术在肉与肉制品检测中的应用进展》PDF+DOC2012年第06期 田晓静,王俊 《利用电子鼻分析熬制时间对3种食用菌汤风味的影响》PDF+DOC2010年第16期 李琴,朱科学,周惠明 《冰箱贮存食品新鲜度检测与识别的智能电子鼻设计》PDF+DOC 陈辰星,邹莹畅,张希,安超,高凡,王平 《电子鼻技术在区分酸羊奶发酵菌种中的应用》PDF+DOC2014年第18期 杨春杰,丁武,马利杰
  • 针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模.....。

    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。