北京盈盛恒泰科技有限責任公司
基于電子鼻和高光譜多數據融合跟蹤水稻品質差異的協同策略研究
檢測樣品：大米
檢測項目：質量差異的高精度識別
方案概述：本研究提出了一種跟蹤水稻品質差異的協同策略將深度學習和機器學習理論相結合，提高融合系統的檢測性能。與傳統的特征挖掘和識別方法相比，CNN提取融合特征有效，基于GEELM的分類性能達到98.07%。總之，CNN-GE-ELM被證明是一種有效的分析技術，以改善融合系統的檢測性能，實現了對質量差異的高精度識別大米。
本研究提出了一種跟蹤水稻品質差異的協同策略將深度學習和機器學習理論相結合，提高融合系統的檢測性能。首先，利用電子鼻和高光譜技術采集水稻品質信息成像系統。其次設計了一種新的卷積神經網絡(CNN)結構來提取基于卷積和池化過程的融合數據特征。最后，一個新穎的全局擴展極限提出了一種基于拖拽因子和全局識別系數的學習機(GE-ELM)，該學習可以擴展和平衡類之間的差異，從而提高識別能力和識別能力提高穩定性。與傳統的特征挖掘和識別方法相比，CNN提取融合特征有效，基于GEELM的分類性能達到98.07%。總之，CNN-GE-ELM被證明是一種有效的分析技術，以改善融合系統的檢測性能，實現了對質量差異的高精度識別大米。
風味檢測設備：德國AIRSENSE電子鼻pen3
文章信息：Improving performance_ A collaborative strategy for the multi-data fusion of electronic nose and hyperspectral to track the quality difference of rice
相關產品清單
溫馨提示：
1.本網展示的解決方案僅供學習、研究之用，版權歸屬此方案的提供者，未經授權，不得轉載、發行、匯編或網絡傳播等。
2.如您有上述相關需求，請務必先獲得方案提供者的授權。
3.此解決方案為企業發布，信息內容的真實性、準確性和合法性由上傳企業負責，化工儀器網對此不承擔任何保證責任。
