基于自然语言处理的山楂果实品种近红外无损鉴别方法

不同品种的山楂果实在营养组成、感官品质等方面存在差异，在工业生产中适用不同的加工方式。传统的检测方法耗时长、具有破坏性以及成本高，为适应规模化生产山楂果实制品的需要，需对山楂果实品种进行无损鉴别。研究共收集了4个品种240个山楂果实样本的近红外光谱数据，采用不同的预处理算法处理光谱数据后，使用自然语言处理（Natural Language Processing,NLP）模型进行分析，以实现山楂果实品种的无损鉴别。结果表明，长短期记忆网络（Long Short-Term Memory,LSTM）以及门控循环单元（Gated Recurrent Unit,GRU）神经网络模型对主成分分析法（Principal Component Analysis,PCA）预处理后的光谱的鉴别准确率高，验证集的准确率均为99.46%±0.00%，测试集的准确率均为100%±0.00%。逻辑回归模型对山楂果实光谱鉴别能力优异，除对二阶差分（Difference Of Second Order,D2）预处理的光谱鉴别能力较差外（验证集准确率96.65%，测试集准确率89.58%），其他预处理方式验证集、测试集的...