基于高光谱成像与深度学习的鱿鱼干质量无损检测技术

本研究利用可见-近红外高光谱成像技术与深度学习模型,开发了一种快速无损检测鱿鱼干质量的方法。通过1D-KAN-CNN网络架构实现对脂肪、蛋白质等成分的精确测量,为食品工业质量控制提供了创新解决方案。

鱿鱼干质量评估 - 安全观察

研究内容

基于高光谱成像结合1D-KAN-CNN的多重鱿鱼干质量无损检测

摘要: 鉴于鱿鱼干在东方国家是一种备受推崇的海产品,全球食品行业需要对此产品进行快速、非侵入式的质量评估。因此,本研究采用可见-近红外高光谱成像和深度学习方法。我们采集并预处理了93个鱿鱼干样本的VIS-NIR(400-1000 nm)高光谱反射图像。使用竞争性自适应重加权采样、主成分分析和连续投影算法选择了重要波长。基于Kolmogorov-Arnold网络,我们引入了一维KAN卷积神经网络,用于无损测量脂肪、蛋白质和总挥发性盐基氮……

标签: 学术论文,鱿鱼

发布于2025年9月12日下午5:05 • 29条评论

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计