一种基于深度学习的植物调和油中山茶油含量鉴别方法

AITNT
正文
推荐专利
一种基于深度学习的植物调和油中山茶油含量鉴别方法
申请号:CN202411468351
申请日期:2024-10-21
公开号:CN119400273A
公开日期:2025-02-07
类型:发明专利
摘要
本发明适用于食品分析技术领域,提供了一种基于深度学习的植物调和油中山茶油含量鉴别方法,包含下述步骤:收集或配制用于构建鉴别模型的纯食用植物油和不同浓度比的混合油的标准样品,进行拉曼光谱检测获得标准样品的原始拉曼光谱数据;将所述原始拉曼光谱数据进行预处理,获得预处理后扩展拉曼光谱数据;将所述扩展后的拉曼光谱数据进行光谱降维,用于可视化纯油样品的相似性和差异性;采用光谱变量选择方法,识别山茶油的相关光谱变量,然后使用选定的变量构建极限学习机模型,鉴定所述待测样品中山茶油的含量;最后,将待测样品进导入三种深度学习模型中依次进行判定,鉴定所待测混合油样本中山茶油的含量。
技术关键词
植物调和油 山茶油 鉴别方法 拉曼光谱数据 深度学习模型 极限学习机 混合油 食用植物油 遗传优化算法 鲸鱼优化算法 剔除算法 食品分析技术 变量 多头注意力机制 玉米油 泊松噪声 菜籽油 优化器 归一化方法
系统为您推荐了相关专利信息
1
基于AI的化学材料检测信息库检索与标准谱比对系统
量子粒子群优化算法 多光谱传感器 紫外分光光度计 深度残差 小波阈值
2
基于连续学习的自适应参数方向和幅度修正音频鉴别方法、装置、设备及介质
生成语音 鉴别方法 参数 数据 语音生成方法
3
面向终端环境下的高效持续学习方法、装置、设备、介质
持续学习方法 深度学习模型 动态规划算法 内存 终端设备上执行
4
一种基于自注意力机制的深度学习小样本增量迭代训练的金属疲劳寿命预测方法及系统
注意力机制 浅层神经网络 数据 模型训练模块 疲劳寿命预测系统
5
模型处理方法、装置、计算机设备、存储介质和程序产品
数据处理模型 训练深度学习模型 蒸馏 分层 矩阵
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号