10.13995/j.cnki.11-1802/ts.024917
基于深度自编码的大曲高光谱数据解混研究
利用高光谱技术检测大曲发酵品质时,获取的水分等高含量物质的高光谱数据可能掩盖对大曲质量评价至关重要的微量物质高光谱数据.为方便后续更微量物质的光谱曲线分解,需先排除水分等高含量物质的数据干扰,该文通过建立无监督的深度自编码模型,可实现大曲水分高光谱曲线分解.通过实验设计,采集与水混合后的成品曲粉光谱数据.首先编码部分,将混合大曲光谱曲线压缩为低维表示,即端元;解码部分,将光谱的低维表示解压重构为原始光谱曲线,结合比较不同目标函数,反向传递重构误差,更新解码权重;最终,通过端元解码出水与曲粉各自的光谱曲线,运用欧氏距离与皮尔逊相关系数方法从特征距离和相关系数两方面同时评价解混效果.实验显示,利用深度自编码解混模型,选择L-C目标函数得到的解混效果最好,解混曲线与纯曲粉曲线的欧式距离与皮尔逊相似度分别为0.3427和0.9967.研究表明,利用深度自编码网络能够对大曲高光谱数据进行解混,可为实现大曲高光谱微量物质检测提供理论支持和技术支撑.
大曲、高光谱、深度学习、自编码、无监督学习
47
酿酒生物技术及应用四川省重点实验室项目;四川省科技厅项目;企事业单位委托科技项目;四川轻化工大学研究生创新基金资助项目
2021-03-04（万方平台首次上网日期，不代表论文的发表时间）
共6页
96-101
