首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于BP神经网络快速检测红茶中胭脂红含量的方法 

申请/专利权人:淮阴工学院

申请日:2024-01-30

公开(公告)日:2024-05-03

公开(公告)号:CN117969430A

主分类号:G01N21/31

分类号:G01N21/31;G16C20/20;G16C20/70;G06N3/0499;G06N3/048;G06N3/084

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.05.21#实质审查的生效;2024.05.03#公开

摘要:本发明公开了一种基于BP神经网络快速检测红茶中胭脂红含量的方法,具体操作的流程包括:(1)红茶的制备;(2)样品溶液的配制;(3)光谱数据的采集;(4)光谱数据的预处理;(5)BP神经网络模型的建立;(6)运用建立好的BP神经网络模型对处理后的数据进行分析,预测样本溶液中胭脂红的含量。本发明采用BP神经网络算法用于检测红茶中的胭脂红含量,与传统的化学分析方法相比,极大减少了检测的时间和成本,高精度且适应于大模检测,可以有效检测和保证红茶产品的安全性和品质。

主权项:1.一种基于BP神经网络快速检测红茶中胭脂红含量的方法,其特征在于:包括以下步骤:步骤一、红茶的制备;步骤二、样品溶液的配制;称取适量制备好的茶叶至于纯净水中,放置一小时以上,配制成红茶溶液用于紫外光谱扫描,接着配制2份胭脂红溶液,一份用于加入红茶溶液中,一份用于加入纯净水中;步骤三、光谱数据的采集;在室温下,使用紫外可见分光光度计,在扫描设置起始波长为200nm,终止波长为600nm,扫描间距为1nm,扫描精度为10环境下对样品溶液进行紫外可见吸收光谱扫描;将配制好的胭脂红溶液至于仪器吸收池内作为被测试溶液,纯净水作为参比溶液,进行紫外光谱扫描,最后将配制不同浓度含量的胭脂红与红茶混合溶液作为被测试溶液进行紫外光谱扫描;步骤四、光谱数据预处理;对采集后的样品光谱数据,进行归一化、平滑求导等预处理工作,采用枚举法分别研究不同预处理方法对模型预测性能的评估,确定最佳的数据预处理处理方法;步骤五、BP神经网络模型的建立;建利的BP神经网络层数为3层,学习率为0.1,迭代次数为50代,输入层节点数为401,输出层节点数为1,隐含层节点数通过试错法进行若干实验,确定节点数为3;初始化输入层、输出层以及隐含层节点数,将实际值与计算值进行误差计算,与设计的目标要求进行对比,不满足要求则进行反向传输,调整权值直至满足要求;选取75组含有胭脂红的红茶溶液,取前80%作为训练集样本,剩余20%作为测试集进行BP神经网络模型预测;具体步骤包括:1网络初始化确定输入层节点数、隐含层节点数、输出层节点数以及学习率,对连接下层节点与上层节点的权值Wij、阈值qj进行初始化随机量。2正向传播隐含层节点输入模型:Pj=∑Xi·Wij+qj1-1;隐含层节点输出模型:Oj=fΣWij·Xi+qj1-2;上式中,Xi为输入层第i个神经元输入的光谱数据值,Wij为输入层第i个神经元到隐含层第j个神经元间的权值,qj为隐含层第j个神经元的阈值,f为传递函数,此处隐含层激活函数采用的是tansig函数,它能够确保网络在处理不同类型的输入数据时具有更好的灵活性和适应性;tansig函数的表达式为: 上式中,x为隐含层节点输入值Pj;输出层节点输入模型:Pk=ΣWjk·Oj+qk1-4;输出层节点输出模型:Yk=fΣWjk·Oj+qk1-5;上式中,Wjk是从隐含层第j个神经元到输出层第k个神经元的权值,Oj为隐含层第j个神经元的输出值,qk为输出层第k个神经元的阈值,此处输出层激活函数采用的是purelin函数,该函数输出没有上下界限,多用于回归问题,purelin函数表达式如下所示:purelinn=n1-6;上式中,n为输出层节点的输入值Pk;计算误差模型:E=∑Sk-Yk21-7;上式中,Yk为模型输出层第k个神经元的预测值,Sk为模型输出层第k个神经元对应的实际值,通过计算误差大小来衡量模型预测准确性的指标;3反向传播权值调整量: 上式中,Wijt为当前时刻输入层第i个神经元到隐含层第j个神经元的权值,Wjkt+1为下一时刻隐含层第j个神经元到输出层第k个神经元的权值,η为学习率,是总误差对当前权重的偏导数,表示误差对权重的影响程度;阈值调整量: 上式中,qjt为当前时刻隐含层第j个神经元阈值,qkt+1为下一时刻输出层第k个神经元的阈值,η为学习率,是误差对阈值的偏导数,以误差函数相对于阈值的梯度来更新每个神经元的阈值;4所有数据集样本训练结束,计算误差是否满足精度要求,满足则训练结束,反之计算迭代次数是否超过规定值,在范围内继续训练,超出迭代次数训练结束;步骤六、对样本溶液含量预测分析;将样本溶液的光谱数据导入到建立好的模型,选择最佳预处理方法,通过试错法针对不同隐含层神经元的个数及迭代次数,依据模型的误差确定BP神经网络的最佳参数,通过模型训练,对样本进行定量分析。

全文数据:

权利要求:

百度查询: 淮阴工学院 一种基于BP神经网络快速检测红茶中胭脂红含量的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。