《表2 基于不同特征建立的最佳BPNN模型在训练集和预测集中的检测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

储藏期面粉理化指标变化是由内外因素共同作用而产生的。比色传感器可以快速获取储藏期面粉样本的气味变化信息，近红外光谱可以快速获取储藏期面粉样本内含物质的微变化。通过融合比色传感器数据和近红外光谱特征，构建了基于比色传感器技术与近红外光谱技术融合的储藏期面粉脂肪酸值的定量检测模型，最佳BPNN融合模型在预测集中的相关系数和预测均方根误差分别为0.951 0和1.625 2 mg/（100 g）。研究表明，相较于单技术检测模型，融合比色传感器数据和近红外光谱特征建立的化学计量学模型可有效提高模型预测精度和泛化性能。本研究为储藏期粮食品质的在线监测提供了一种新的技术方法，对保障粮食储藏品质具有重要的现实意义。