方案摘要
方案下载| 应用领域 | 食品/农产品 |
| 检测样本 | 茶叶 |
| 检测项目 | 理化分析 |
| 参考标准 | GB NO. |
本研究提出了一种新颖的框架组成的卷积神经网络骨干（CNN骨干）和支持向量机分类器（SVM分类器）,也就是说,CNN-SVM毛峰绿茶的分类类别（六子类别）和Maojian绿茶类别使用电子鼻数据（6类）。为CNN主干构造多通道输入矩阵，从不同传感器信号中提取深度特征。
摘要：中国绿茶以其保健功能而闻名。绿茶有很多类别，这些类别都有带有地理标志的子类别(GTSGI)。在特定地区种植的一些高质量GTSGI被标记为著名GTSGI (FGTSGI)，价格昂贵。然而，类别之间的细微差别使GTSGI的细粒度分类变得复杂。本研究提出了一种新颖的框架组成的卷积神经网络骨干(CNN骨干)和支持向量机分类器(SVM分类器),也就是说,CNN-SVM毛峰绿茶的分类类别(六子类别)和Maojian绿茶类别使用电子鼻数据(6类)。为CNN主干构造多通道输入矩阵，从不同传感器信号中提取深度特征。由于支持向量机分类器对小样本具有较高的识别能力，因此采用支持向量机分类器来提高分类性能。通过与其他四种机器学习模型(SVM、CNN- shi、CNN-SVM- shi和CNN)的比较，验证了该框架的有效性。该框架在GTSGI分类和FGTSGI识别方面表现最佳。CNN-SVM的高精度和强鲁棒性显示了其在多种高度相似茶叶的细粒度分类方面的潜力。
关键词：绿茶;电子鼻子;卷积神经网络;支持向量机
文献贡献者
电子舌用于检测某干混悬剂味觉检测
通过电子鼻和电子舌关联性对不同口味绿茶苦味和涩味的检测
福建农林大学科研团队揭示铁观音风味物质空间分布研究最新成果
相关产品
关注
拨打电话
留言咨询
