作者:黄星奕,徐海霞,王顺,潘思慧,田潇瑜 单位:华南理工大学 出版:《现代食品科技》2017年第05期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFGZSP2017050390 DOC编号:DOCGZSP2017050399 下载格式:PDF + Word/doc 文字可复制、可编辑
《人工嗅觉───电子鼻的研究》PDF+DOC1996年第04期 王平,陈裕泉,吴坚,束炎 《基于嗅觉神经网络采用时间序列的电子鼻模式分类方法》PDF+DOC2007年第09期 傅均,李光,Walter J. Freeman 《基于手机平台的嗅觉网络传输研究与探索》PDF+DOC2013年第S1期 李联宁 《探讨纺织纤维的机器嗅觉快速识别方法》PDF+DOC2018年第06期 张晓利,贾立锋,梁家豪,巫莹柱,孙运龙 《英研究出新型“电子鼻”》PDF+DOC 《电子鼻和电子舌在食品检测中的研究和应用》PDF+DOC2005年第S1期 张哲,佟金 《仿生嗅觉神经芯片的研究进展》PDF+DOC2005年第01期 刘清君,许改霞,徐莹,秦利锋,李燕,叶学松,李蓉 《鞋类防臭性能测试方法》PDF+DOC2011年第24期 洪巧敏,刘艺龙,曾国坪 《警犬嗅觉与仿生电子鼻》PDF+DOC2010年第04期 杨前勇 《电子鼻在乙醇和丙酮与乙醇和苯定量分析中的应用》PDF+DOC2006年第06期 张覃轶,王振勇,孙伟,叶卫平,匡文军
  • 以叶绿素含量为评价菠菜新鲜度的参考指标,开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入,以叶绿素含量的化学检测值作为模型的输出,采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示,以视觉信息为输入量的模型测试结果:训练集和测试集的均方根误差(RMSE)分别为0.1978 mg/g和0.2147 mg/g,相关系数(R)分别为0.8457和0.7995。以电子鼻信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.3119 mg/g和0.3032 mg/g,R分别为0.7013和0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.1759 mg/g和0.2121 mg/g,R分别为0.8888和0.8736,精度比两个单一技术均有所提高。研究表明,利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的,采用融合技术有助于提升模型的预测精度。

    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。