文献类型：期刊文章

作　　者：杨正伟[1] 张鑫[1] 李庆盛[1] 缪楠[1] 王志强[1] 李彩虹[1] 袁文浩[1] 马云霞[2] 周智[2]

YANG Zheng-wei;ZHANG Xin;LI Qing-sheng;MIAO Nan;WANG Zhi-qiang;LI Cai-hong;YUAN Wen-hao;MA Yun-xia;ZHOU Zhi(School of Computer Science and Technology,Shandong University of Technology,Zibo,Shandong 255049,China;Zibo Integrative Medicine Hospital,Zibo,Shandong 255026,China)

机构地区：[1]山东理工大学计算机科学与技术学院,山东淄博255049 [2]淄博市中西医结合医院,山东淄博255026

出　　处：《食品与机械》

基　　金：山东省自然科学基金(编号:ZR2019MF024);国家自然科学基金(编号:61701286);教育部科技发展中心产学研创新基金(编号:2018A02010);赛尔网络下一代互联网技术创新项目(编号:NGII20170314)。

年　　份：2020

卷　　号：36

期　　号：8

起止页码：45-52

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。

关 键 词：普洱茶 贮藏年限 一维卷积神经网络  极限学习机 伏安电子舌  

分 类 号：TS272.7]