科研产出
基于近红外光谱技术结合深度学习快速鉴别滇黄精干燥方法和产地
《中草药 》 2025 北大核心 CSCD
摘要：目的 探讨傅里叶变换近红外（fourier transform near infrared,FT-NIR）光谱技术在滇黄精Polygonatum kingianum质量评价中的应用，基于不同干燥处理方法、不同产地滇黄精的一维光谱与二维光谱构建鉴别模型，为滇黄精质量评价提供新方法。方法 研究采集了198份不同干燥方式和产地的滇黄精样品，将其进行不同干燥处理，分析产地、干燥处理方法等因素对滇黄精质量的影响；采集并分析滇黄精FT-NIR光谱和二维相关光谱（two-dimensional correlation spectroscopy,2DCOS）特征，采用主成分分析（principal component analysis,PCA）和层次聚类分析（hierarchical clustering analysis,HCA）可视化样品的分类趋势，并基于FT-NIR光谱建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）和支持向量机（support vector machine,SVM）2种传统模型；基于同步、异步和综合2DCOS图像建立残差神经网络（residual neural network,ResNet）模型，比较3种模型的整体鉴别能力和模型性能。结果 同步2DCOS图像结合ResNet可以成功鉴别滇黄精不同产地和干燥处理方法，准确率达到100%，整体鉴别能力和模型性能均显著优于PLS-DA和SVM传统模型。结论 基于FT-NIR光谱构建的ResNet鉴别模型可以快速准确鉴别滇黄精的产地和干燥处理方法，为滇黄精质量的快速检测提供科学依据。
关键词： 滇黄精 二维相关光谱 残差神经网络 干燥方法 产地
全文链接
请求原文
基于傅里叶变换中红外光谱的不同维度光谱图像结合残差神经网络鉴别黄精属物种
《分析测试学报 》 2024 北大核心 CSCD
摘要：将不同维度光谱图像的概念首次应用于物种鉴别，建立了快速准确的黄精属鉴别方法。采集6种黄精属共计563批样品，基于傅里叶变换中红外光谱（FT-MIR）的一阶导数（1st）、二阶导数（2nd）、乘法散射校正（MSC）、标准正态变量变换（SNV）和Savitzky-Golay(SG)5种预处理方法，构建了决策树（DT）、随机森林（RF）和支持向量机（SVM）3种机器学习算法。同时构建了深度学习残差神经网络（ResNet）模型，绘制了不同维度的光谱图像，包括一维MIR，同步、异步和综合二维相关光谱、三维相关光谱、三维相关光谱投影图像的10个数据集，并将其与ResNet模型相结合进行分类。结果表明，不同预处理方法对模型结果的影响不同，MSC预处理方法可显著提高DT、RF和SVM 3种算法的准确率。基于同步二维相关光谱数据集的ResNet算法建模效果最好，准确率达到100%，损失值较小，不需要复杂的预处理，时间成本低，可以准确鉴别黄精属物种，为食品、中草药等其他领域的鉴别提供了参考。
关键词： 黄精属物种 傅里叶变换中红外光谱 不同维度光谱图像 机器学习算法 残差神经网络
全文链接
请求原文
首页上一页1下一页尾页
