如需要完整文档点击下方 "点击下载文档" 按钮

目的 实现食品塑料包装袋的快速检测和材质区分。方法 研究使用高光谱成像技术在450～950 nm波长范围下采集了49组不同食品包装袋样本的光谱数据，利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理，建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型，并比较了它们对包装袋材质的识别性能。结果 决策树模型与支持向量机模型的验证识别率分别为87.8%和88.9%，卷积神经网络模型的验证识别率高达100%，损失函数值最终下降到0.0171且达到收敛，在分类效果和精度上具有明显的优势。结论 高光谱检测方法不破坏检材，重现性好，稳定性强，实现了对食品塑料包装袋的精准识别。卷积神经网络模型对食品包装袋高光谱数据的识别效果最好，为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于卷积神经网络的食品塑料包装袋光谱识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：228735

点击下载文档