基于CNN和近紅外光譜的蜜柑SSC預測模型研究

打開文本圖片集

摘要：針對抽樣化驗等傳統(tǒng)果實品質檢測方法具有破壞性以及現(xiàn)有回歸預測模型存在光譜信息損失和特征提取不夠完備等問題，提出基于近紅外光譜分析技術和一維卷積神經(jīng)網(wǎng)絡（1D-CNN）實現(xiàn)蜜柑果實可溶性固形物含量預測的模型和方法。采集蜜柑的近紅外光譜和測定可溶性固形物含量建立數(shù)據(jù)集。并通過試驗對比確定使模型性能最優(yōu)的網(wǎng)絡結構深度、卷積核尺寸和數(shù)量、有無批量歸一化（BN）層、池化方式、全連接層深度和Dropout值等網(wǎng)絡結構參數(shù)，形成包含2層卷積層、2層BN層，2層最大池化層和2層全連接層的一維卷積神經(jīng)網(wǎng)絡，并設置Dropout值為0.2。（剩余12944字）