气体传感器鉴别花椒产地研究

S-3; 目前花椒产地鉴别基本以感官评定为主,缺乏客观性,在实施应用时难以做到量化和标准化,难以做出判断.因此设计研发一种快速鉴别花椒的智能装置.该装置以气体传感器阵列为核心,能够独立对花椒气味信息进行检测和鉴别,区分不同产地的同类花椒.利用主成分分析和Wilks Λ统计分析对检测数据进行处理.提取主成分5个,累积贡献率为94.41%,其对应Fisher判别模型训练集平均准确率达到88.6%,验证集90%,Wilks Λ统计分析最终选取8个变量,其对应判别Fisher模型训练集平均准确率91.82%,验证集95%.对Wilks Λ统计所选取变量建立细分类交叉验证的Fisher判别模型,平均正确...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 18; pp. 268 - 273
Main Authors 庞涛, 杨霄, 陈晓燕, 陶怀亮, 李蒙良
Format Journal Article
LanguageChinese
Published 四川农业大学机电学院,雅安,625000%四川农业大学信息工程学院,雅安 625000 15.09.2019
四川农业大学农业信息工程四川省重点实验室,雅安 625000
Subjects
气体监测器
sensors
identification of Zanthoxylum bungeanum field
农作物
花椒产地鉴别
fisher discriminant
crops
传感器
Fisher判别
gas detectors
Online AccessGet full text

Cover

More Information
Summary:S-3; 目前花椒产地鉴别基本以感官评定为主,缺乏客观性,在实施应用时难以做到量化和标准化,难以做出判断.因此设计研发一种快速鉴别花椒的智能装置.该装置以气体传感器阵列为核心,能够独立对花椒气味信息进行检测和鉴别,区分不同产地的同类花椒.利用主成分分析和Wilks Λ统计分析对检测数据进行处理.提取主成分5个,累积贡献率为94.41%,其对应Fisher判别模型训练集平均准确率达到88.6%,验证集90%,Wilks Λ统计分析最终选取8个变量,其对应判别Fisher模型训练集平均准确率91.82%,验证集95%.对Wilks Λ统计所选取变量建立细分类交叉验证的Fisher判别模型,平均正确率达到97.27%,将模型移植到采集装置,完成智能花椒品种鉴别装置.该方法是一种简便高效的花椒品种鉴别方法,可为今后进一步研究花椒产地、分级提供检测仪器和理论依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2019.18.032