清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Nondestructive identification of pesticide residues on the Hami melon surface using deep feature fusion by Vis/NIR spectroscopy and 1D‐CNN

人工智能 卷积神经网络 无损检测 模式识别(心理学) 特征(语言学) 农药残留 光谱学 生物系统 计算机科学 化学 杀虫剂 物理 量子力学 生物 农学 哲学 语言学
作者
Guowei Yu,Benxue Ma,Jincheng Chen,Xiaozhan Li,Yujie Li,Cong Liu
出处
期刊:Journal of Food Process Engineering [Wiley]
卷期号:44 (1) 被引量:31
标识
DOI:10.1111/jfpe.13602
摘要

Abstract Nondestructive identification of pesticide residues remains a challenge in terms of fruit safety assessment. In this study, a novel method based on visible/near‐infrared (Vis/NIR) spectroscopy (348.45–1,141.34 nm) combined with deep feature fusion was proposed, achieving nondestructive identification of pesticide residues on the Hami melon surface. The spectra of Hami melons with clear water and three kinds of pesticide residues (chlorothalonil, imidacloprid, and pyraclostrobin) were collected in the diffuse reflectance mode. The one‐dimensional convolutional neural network (1D‐CNN), with increased width and depth through parallel convolution modules and concatenate layers, was presented to capture multiple deep features from Vis/NIR spectra and fuse them. This model had a better performance for four‐class identification as the accuracy of 95.83%, and outperformed other CNN models and conventional approaches (partial least squares discriminant analysis and support vector machine). Moreover, the proposed 1D‐CNN model could accurately differentiate whether there were pesticide residues with the identification accuracy as 99.17%. However, the prediction of imidacloprid and pyraclostrobin residues was not accurate due to the similar spectral features. The overall studies indicated that the 1D‐CNN model with deep feature fusion looked promising for nondestructive identification of pesticide residues on the Hami melon surface based on Vis/NIR spectroscopy. Practical applications Visible and near‐infrared (Vis/NIR) spectroscopy, as a nondestructive technique, looks promising for evaluation of fruit quality and safety. One‐dimensional convolutional neural network, with deep feature fusion structure to capture multi‐scale spectral information, has a better identification of pesticide residues on the Hami melon surface. Vis/NIR spectroscopy with deep feature fusion can be applied in research and development of a nondestructive detector for pesticide residues on the thick‐skinned fruit surface in the future.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
俊逸的白梦完成签到 ,获得积分10
3秒前
橘子海完成签到 ,获得积分10
8秒前
Tianju完成签到,获得积分10
13秒前
研友_Lmg1gZ完成签到,获得积分10
13秒前
huazhangchina完成签到 ,获得积分10
35秒前
高雯完成签到,获得积分10
37秒前
芝诺的乌龟完成签到 ,获得积分0
40秒前
张颖完成签到 ,获得积分10
48秒前
欢呼的茗茗完成签到 ,获得积分10
55秒前
丹妮完成签到 ,获得积分10
56秒前
1分钟前
longlonglong完成签到,获得积分10
1分钟前
1分钟前
荔枝波波加油完成签到 ,获得积分10
1分钟前
Danny完成签到 ,获得积分10
1分钟前
Young完成签到 ,获得积分10
1分钟前
郑先生完成签到 ,获得积分10
1分钟前
郑志凡完成签到 ,获得积分10
1分钟前
wanci应助科研通管家采纳,获得10
2分钟前
啥也不是完成签到,获得积分10
2分钟前
双眼皮跳蚤完成签到,获得积分10
2分钟前
kehe!完成签到 ,获得积分0
2分钟前
霸霸斌完成签到 ,获得积分10
2分钟前
gmc完成签到 ,获得积分10
2分钟前
谷子完成签到 ,获得积分10
2分钟前
数乱了梨花完成签到 ,获得积分10
3分钟前
寒战完成签到 ,获得积分10
3分钟前
沐浠完成签到 ,获得积分10
3分钟前
salty完成签到 ,获得积分10
3分钟前
桐桐应助123采纳,获得10
3分钟前
Shandongdaxiu完成签到 ,获得积分10
3分钟前
HCKACECE完成签到 ,获得积分10
3分钟前
Vicky完成签到 ,获得积分10
3分钟前
4分钟前
丰富的绮山完成签到,获得积分10
4分钟前
烟花应助科研通管家采纳,获得30
4分钟前
Akim应助科研通管家采纳,获得30
4分钟前
123发布了新的文献求助10
4分钟前
段采萱完成签到 ,获得积分10
4分钟前
Ava应助123采纳,获得30
4分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052644
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418252
捐赠科研通 2354395
什么是DOI,文献DOI怎么找? 1246007
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921