论文部分内容阅读
为了实现板栗褐变的无损检测，本实验以“毛板红”板栗为样品，在12000-4000cm^-1范围内采集带壳和去壳板栗4个褐变等级的近红外光谱，用Savitzky—Golay平滑和标准正态变量变换（SNV）方法对光谱原始数据进行预处理，采用主成分分析法提取光谱的特征信息，建立基于共轭梯度调整算法的BP神经网络（SBP）识剐板栗褐变模型。结果表明，对去壳板栗，最佳主成分因子数为8时，网络训练集和测试集对板栗褐变识别准确率最好，分别为100％和98．7％；对带壳板栗，最佳主成分因子数为10，网络训练集和测试集对板