农业机械学报

作者：刘翠玲,胡莹,吴静珠,邢瑞芯,王少敏

单位：北京工商大学,北京工商大学,北京工商大学,北京工商大学,北京工商大学,

关键词：霉变花生;太赫兹衰减全反射技术;误差反向传播神经网络;支持向量机;定性分析

基金：北京市自然科学基金项目（4182017）

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变，研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播（Back propagation，BP）神经网络算法与支持向量机算法（Support vector machine，SVM）的霉变花生定性分析方法。为排除不同样本带来的偶然性，实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验，将花生分为正常、轻度霉变、中度霉变与严重霉变4类，采用太赫兹衰减全反射技术采集花生仁样本光谱（波段0.3~3.6THz）。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理，然后对所得频域信号进行光学常数吸光度与吸收系数的提取，得到样本的光学常数信号，并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明，BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88.57%，对鲁花9号花生霉变模型的预测集识别正确率为91.40%；Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好，具有一定的可行性。

来源：2019年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第4期