文档名：基于电子鼻的深度卷积神经网络茯苓产地分类方法
摘要：本文采用自研电子鼻系统,实现6个产地的茯苓气味样本的检测,根据采集得到的样本数据集,提出并优化了适用于茯苓产地分类的卷积神经网络-长短期记忆网络(CNN-LSTM)模型,同时与支持向量机(SVM)模型、CNN模型、LSTM模型进行对比,识别率提高6％以上.在实际样本检测中,适用于茯苓产地分类的CNN-LSTM模型识别准确率为81.9％,优化后的CNN-LSTM模型识别准确率达到了88.9％,且优化后的神经网络能够更快、更好地从电子鼻数据中提取特征.
作者：徐昊 章检明 王中鹏 张丽娟 迟梁 何成 Author：XUHao ZHANGJianming WANGZhongpeng ZHANGLijuan CHILiang HECheng
作者单位：浙江科技学院信息与电子工程学院,浙江杭州310000浙江省农业科学院食品科学研究所,浙江杭州310000
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(12)
分类号：TP393
关键词：电子鼻 深度学习 中药产地区分
Keywords：electronicnose(E-nose) deeplearning originclassificationoftraditionalChinesemedicine
机标分类号：
在线出版日期：2024年1月3日
基金项目：浙江省三农九方科技协作计划资助项目基于电子鼻的深度卷积神经网络茯苓产地分类方法[
期刊论文] 传感器与微系统--2023, 42(12)徐昊 章检明 王中鹏 张丽娟 迟梁 何成本文采用自研电子鼻系统,实现6个产地的茯苓气味样本的检测,根据采集得到的样本数据集,提出并优化了适用于茯苓产地分类的卷积神经网络-长短期记忆网络(CNN-LSTM)模型,同时与支持向量机(SVM)模型、CNN模型、LSTM模型进行对...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于电子鼻的深度卷积神经网络茯苓产地分类方法 DCNN for poria cocos origin classification method based on E-nose
基于电子鼻的深度卷积神经网络茯苓产地分类方法.pdf
- 文件大小:
- 999.93 KB
- 下载次数:
- 60
-
高速下载
|
