典型文献
基于卷积神经网络的食品塑料包装袋光谱识别
文献摘要：
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.
文献关键词：
高光谱成像技术;卷积神经网络;包装袋;机器学习;快速识别
中图分类号：
作者姓名：
吕铷麟;贾镇;胡益滔;何洪源;何伟文
作者机构：
中国人民公安大学 侦查学院,北京 100038
文献出处：
引用格式：
[1]吕铷麟;贾镇;胡益滔;何洪源;何伟文-.基于卷积神经网络的食品塑料包装袋光谱识别)[J].包装工程,2022(03):121-128
A类：
B类：
塑料包装,包装袋,光谱识别,快速检测,高光谱成像技术,围下,食品包装,Savitzky,Golay,平滑滤波,数据归一化,立决,机器学习模型,卷积神经网络模型,识别性,决策树模型,支持向量机模型,识别率高,损失函数,函数值,分类效果,光谱检测方法,不破,重现性,精准识别,高光谱数据,质量检测,检测领域,识别鉴定,快速识别
AB值：
0.245987
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
