基于GA优化SVM参数的白酒分类识别方法应用研究

为提升支持向量机算法在白酒品牌分类预测中的准确度,利用遗传算法优化支持向量机参数,并建立最优参数的SVM白酒品牌分类预测模型.通过阵列式传感器(电子舌)采集多个待测品牌白酒的特征信息,将提取的特征信息数据经预处理(异常值处理、归一化操作等)后存储为样本数据集.其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的...     

化学计量学结合中红外光谱的浓香型白酒分类研究

为探究无损、快速和准确判别不同类型浓香型白酒的方法，该研究选取不同酒度和不同品牌浓香型白酒作为研究对象。利用傅里叶变换中红外光谱仪采集120份酒样的原始光谱，结合平滑滤波与标准正态变换分别对原始光谱进行预处理，采用主成分分析比较光谱预处理效果。光谱数据按Kennard-Stone方法以7∶3的比例划分为训练集和测试集，经数据归一化后使用蚱蜢算法优化支持向量机和误差反向传播人工神经网络进行建模分析。试验结果表明，光谱预处理结合主成分分析不能区分不同酒度和品牌的浓香型白酒，但平滑滤波处理后不同酒度酒样的聚类区分较好，标准正态变换处理后不同品牌酒样的聚类区分更好，二者都能有效减少中红外光谱的噪音，提高识别的精度。基于蚱蜢算法优化支持向量机和误差反向传播人工神经网络模型进行判别时，训练集和测试集的酒样分类准确率均为100%。综上所述，利用中红外光谱结合化学计量学可快速准确地判别不同酒度以及不同品牌浓香型白酒，可为白酒的香型区分、产地溯源、市场监管和售后管理等提供数字化方案。     

基于超高效液相色谱-高分辨质谱的白酒基酒等级判别

白酒基酒等级的准确鉴别是白酒分级储藏和勾兑的重要依据,对白酒质量控制至关重要。以浓香型白酒基酒为研究对象,采用超高效液相色谱-高分辨质谱联用(UPLC-Q-Exacive-MS)技术对不同等级浓香型白酒基酒进行分析,经过主成分分析(PCA)降维处理,结合线性判别分析(LDA)、支持向量机(SVM)和反向传播神经网络(BP-ANN)等多种化学计量学方法建立白酒基酒等级判别模型。结果显示,BP-ANN鉴别效果最好,在主成分为8时,训练集和测试集的识别率均达100%,不同等级的白酒样本全部正确识别;其次是SVM(训练集和测试集的识别率分别为96.25%、95.00%)和LDA(训练集和测试集的识别率分别为91.25%、90.00%)。实验证明,UPLC-Q-Exacive-MS结合化学计量学分析方法能实现不同等级浓香型白酒基酒的准确判别。     

基于GC-IMS的白酒特征分析及鉴别

探讨一种在未对挥发组分定性、定量的条件下,实现白酒准确鉴别的简便方法。选用两种香型共10种白酒,每种白酒取2个勾调批次的样品。直接原样顶空制样,通过气相色谱-离子迁移谱法(GC-IMS)分析,获得可视化的指纹图谱,并进一步提取白酒主要特征建立Fisher线性判别模型。从白酒样品中共检出134种挥发组分。指纹图谱可直观反映白酒样品中微量挥发组分的含量差异和勾调的批次稳定性。在未完全剖析和定量所有组分前提下,采用逐步回归分析分别对基于全部134种挥发组分、相关性分析选择的39种特征组分以及主成分分析提取的6个主成分建立的3个Fisher线性判别模型进行优化。优化后的相关性分析模型(优化为21种组分特征)和主成分分析模型对训练集的分类正确率和留一法交叉验证分类正确率均为100%,对测试集样品的判别正确率均为95%。由全部特征经逐步回归分析优化的模型,共提取24个组分特征,建立的Fisher线性判别模型效果最优。其对训练集分类正确率为100%,留一法交叉验证分类正确率为100%,对测试集酒样预测正确率达100%。GC-IMS方法可为白酒生产过程中的质量控制、市场监管及白酒原产地保护提供技术支持...     

基于高光谱成像技术的大米溯源研究

利用高光谱成像技术提取大米的光谱信息进行大米产地溯源研究。采用X-Y距离样本集算法（SPXY）进行训练集和测试集的划分,将1 000颗大米样本中800个为训练集,剩下200个为测试集。并采用主成分分析（PCA）法提取相关性较强的主成分光谱信息,进行数据降维。基于主成分分析法提取前4个主成分,并在贡献率最高的第4主成分基础上,结合支持向量机算法（SVM）建立大米产地溯源预测模型。研究得出训练集准确率可达96%,测试集平均准确率为79%。通过训练集和测试集的实验结果表明,高光谱成像技术可以对大米产地进行溯源,为大米产地快速、无损检测提供了一定思路和参考。     

少样本学习下的服装风格分析与评价

为提高服装风格评价的客观性,提出了利用卷积神经网络对不同品牌服装风格特征进行自动提取、识别和分类的方法,以不同品牌的服装为对象,探究其视觉风格合理表征的方法,并实现品牌服装的分类任务。建立了品牌服装数据集,该数据集包含50个品牌的服装图像,每个服装品牌30张,随机抽取36个用作训练集,剩余14个用作支持集和查询集。采用少样本学习的网络模型,Siamese网络模型、Protype网络模型、Meta baseline网络模型对品牌服装数据集进行测试,对比分析3种网络模型的实验结果。结果表明:在品牌服装图像数据较少的情况下,可以通过少样本学习方法对其进行分类,使用meta baseline网络在5-way,1-shot任务中的分类准确率高达0.9475。     

基于低场核磁共振的白酒品牌判别分析

为探求一种白酒品牌判别的方法,基于低场核磁共振（LF-NMR）技术,综合运用主成分分析（PCA）、偏最小二乘法-判别分析（PLS-DA）、反向传播人工神经网络（BP-ANN）方法对6种浓香型白酒品牌共300个样本进行模式识别分析,解析了对不同品牌浓香型白酒进行判别的可行性。结果表明,运用PCA方法对样品进行识别,无法区分白酒品牌;运用PLS-DA的方法对白酒样品进行识别,训练集的识别率约为99.5%,预测集识别率约为96.7%;运用BP-ANN的方法对白酒样品进行识别,训练集识别率约为99.5%,预测集识别率约为98.9%。结果表明,PLS-DA方法和BP-ANN方法对浓香型白酒样品的区分成功,表示将低场核磁共振方法应用到浓香型白酒的品牌判别中是可行有效的。     

基于Mask R-CNN深度学习的羊绒羊毛纤维识别技术

为提高羊绒羊毛纤维定量的自动化程度,引入基于掩模区域卷积神经网络(Mask R-CNN)深度学习技术,对通过光学显微镜采集的图片进行图片处理、算法模型优化,以及学习和训练,建立起山羊绒和绵羊毛的自动识别模型.采用测试集对所建立的模型进行了验证测试,结果表明,对山羊绒和绵羊毛纤维的自动识别正确率达到95％ 以上,证实了所...     

基于GC-MS技术对不同香型白酒的判别分析

基于气相色谱-质谱（GC-MS）联用技术检测5种香型白酒挥发性风味成分,并结合聚类分析（CA）、主成分分析（PCA）及偏最小二乘判别分析（PLS-DA）等化学计量学手段分析检测结果,并对不同白酒的香型进行识别和分类。结果表明,不同香型白酒样品中的风味成分具有明显差异,PLS-DA中的2个成分能很好的代表酒样中的基本信息,5种香型的组心质都相互分离,没有重合,将“测试集”和“训练集”的判定结果与实际结果相比较,正确率均为100%。因此,利用GC-MS技术结合化学计量学方法,可用于不同香型白酒的鉴别分析。     

基于卷积神经网络与迁移学习的玉米籽粒图像分类识别

种子是农业生产最基本,最主要的生产资料。为实现玉米种子的快速鉴定识别与保护,本文提出基于卷积神经网络(Convolution Neural Network, CNN)与迁移学习相结合的玉米种子籽粒图像分类识别方法,可将预训练的CNN模型参数迁移到玉米籽粒图像分类识别任务中。实验采集了6种玉米种子籽粒图像双面图像共1 976张,包括16DX531,京粘1号,科诺58,铁研,小金黄,郑单958,建立胚面,胚乳面和双面混合的3种数据集。按照7∶2∶1的比例随机划分训练集,验证集和测试集,并对训练集图像作数据增强处理。基于4种CNN模型Xception, ResNet50V2,MobileNetV2,DenseNet121进行参数迁移学习。实验结果表明Xception与胚乳数据集建模方法优于其他方法。Xception--胚乳模型训练集与验证集平均识别准确率分别为95.55%和95.97%,测试集准确率为92.78%。基于卷积神经网络与迁移学习相结合的玉米籽粒图像识别方法切实可行。     

基于二维相关近红外光谱的白酒酒龄鉴别

目的:杜绝以低龄酒冒充高龄酒,实现对白酒酒龄的判别。方法:利用近红外光谱仪采集白酒样品的近红外透射光谱,以酒龄作为外扰,构建各白酒样品的同步和异步二维相关谱;在此基础上,提取每个样品的自相关谱,并结合马氏距离法建立白酒酒龄判别模型。结果:1400~1800 nm波段范围内包含白酒样品随酒龄变化的有效信息;模型校正集判别正确率为93.3%,预测集判别正确率为92.0%。结论:二维相关谱结合马氏距离法能够对白酒酒龄进行有效鉴别。     

基酒FT-NIR光谱预处理与特征波筛选方法的比较

为解决白酒基酒分类的问题,降低基酒的分类误差,减少基酒对摘酒师傅身体的危害,本实验选取18种预处理以及3种特征波筛选方法来较少光谱中的无关干扰信息,降低建模数据复杂度。基酒的傅里叶近红外光谱（Fourier Transform Near Infrared Spectroscopy,FT-NIR）经过光谱理化值共生距离法（SPXY）划分数据集、预处理、马氏距离（MD）异常剔除、特征波筛选、支持向量机回归（SVR）预测来完成最终的分类。研究发现：多元散射校正（Multiplicative Scatter Correction,MSC）后的训练集预测集分类准确率可以达到100%,主成分分析（Principal Component Analysis,PCA）与特定算法结合才能实现准确分类,因此要注意与其他算法的组合,无信息变量消除法（Uninformative Variables Elimination,UVE）和竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling,CARS）都能实现高效的特征波选择,预测集的平均准确率接近90%。实验证明,经过处理后的光谱数据最多占原数据的47.57%,基酒近红外谱图经过预处理与特征波筛选后可以降低后期回归模型处理数据的复杂程度,提高模型的精确度。     

基于数据挖掘的白酒分类问题研究

白酒中含有的成分众多,各成分含量的不同会影响白酒的口感。 通过收集整理白酒的11个特征指标数据以及专家打分法提 供的评判等级,利用因子分析等数据挖掘方法进行分类预测,也为白酒分类提供了思路。 研究发现,模型对于品类6白酒的预测准确 度最高（准确度为90%）,且白酒中挥发性酸类物质含量的增加有助于提升白酒口感,而酿造用水中氯化物成分会降低白酒口感。     

基于BP神经网络的白酒探汽上甑方法研究

目的:针对目前白酒"探汽上甑"工艺在自动化酿造过程中存在探汽准确率低的问题,提出一种基于BP神经网络的探汽方法.方法:使用红外相机采集上甑蒸馏过程中酒醅表层图像获得酒蒸汽温度分布特征,按照上甑工艺特点将图像分类,结合图像预处理技术对图像温度特征提取,通过神经网络分类模型训练得到探汽模型.结果:通过实验验证,该方法的探汽...     

Antecedents of consumer brand loyalty in the Australian wine industry

The wine industry has become fiercely competitive worldwide and as a result, consumers are increasingly exposed to a wider range of wines in retail outlets. This expanding consumer choice means that there is a need for Australian wineries to develop and build consumer loyalty toward their brands. This paper aims to empirically examine the factors influencing consumer loyalty to wine brands. Using data from Australian wine consumers, the authors empirically test a model of antecedents of wine brand loyalty. The model considers wine brand trust, wine brand satisfaction, wine knowledge, and wine experience. Hypotheses were tested with structural equation modeling. The findings of this study show that wine knowledge and wine experience affect wine brand loyalty indirectly through wine brand trust and wine brand satisfaction. In addition, it is demonstrated that consumer satisfaction with a wine brand is the strongest driver of wine brand loyalty. The result of this study has value for Australian wineries, wine retailers, and wine marketers.     

基于电子鼻和GC-MS分析黑果腺肋花楸酒香气特征与差异性

为深入了解黑果腺肋花楸酒的香气特征,对市售5种黑果腺肋花楸干酒（编号为D1～D5）、1种甜酒（编号为S6）、4种白酒（编号为L7～L10）和2种啤酒（编号为B11～B12）进行气相色谱-质谱联用（GC-MS）技术及电子鼻检测,并对结果进行线性判别分析（LDA）及聚类分析（CA）。结果表明,黑果腺肋花楸酒样品共检测出103种挥发性化合物,其中酯类42种,醇类21种,醛类7种,酮类6种,酸类10种,烯烃类4种。干酒、甜酒、白酒、啤酒分别检出挥发性物质64种、47种、31种、46种,干酒、白酒、啤酒共有成分占比分别为39.06%、22.58%、63.04%。电子鼻检测LDA结果与GC-MS检测CA结果显示,黑果腺肋花楸酒样品之间香气特征存在差异和共性,利用其挥发性香气成分的GC-MS及电子鼻检测结果进行区分和鉴别。     

指纹图谱结合化学模式识别评价特定品牌酱香型白酒品质独特性与批次稳定性研究

为建立一种特定品牌酱香型白酒品质独特性及批次稳定性的评价方法。采用气相色谱-质谱联用结合“中药色谱指纹图谱评价系统”,构建特定品牌酱香型白酒指纹图谱,结合相似度与化学模式识别分析(层次聚类、主成分分析)实现对特定品牌酱香型白酒品质独特性与批次稳定性的综合评价。结果表明:以指纹图谱相似度大于0.99作为特定品牌酱香型白酒品质独特性及批次稳定性的评价标准,可将特定品牌酱香型白酒与其他不同品牌酱香型白酒有效区分;化学模式识别均显示特定品牌酱香型白酒与其他不同品牌酱香型白酒明显分类;可见指纹图谱结合化学模式识别可有效评价特定品牌酱香型白酒的批次稳定性及品质独特性。主成分分析发现特定品牌酱香型白酒与其他品牌酱香型白酒差异物质为17种,包括己酸、己酸乙酯、正己醇、乙酸、苯乙酸乙酯、2-羟基丙酸乙酯、十六烷酸乙酯、丁酸、3-甲基丁醇、2-甲基丙醇、乙酸正丙酯、正丙醇、2-丁醇,2-甲基丙酸乙酯、3-甲基丁酸乙酯、丙酸乙酯、正丁醇,是特定品牌酱香型白酒品质独特性的内在体现。本研究为特定品牌酱香型白酒的质量控制提供了一定的理论依据和技术支撑。     

成品白酒中酸酯总量的近红外检测

为了建立成品白酒中酸酯总量的近红外模型,以达到快速检测酸酯总量的目的,本文采用回流及酸碱滴定法测定成品白酒中酸酯总量的化学值,与成品白酒在1 mm及8 mm光程比色池的近红外光谱图相结合,采用内部交叉检验法及外部独立验证建立了成品白酒中酸酯总量的近红外模型。结果表明:成品白酒中的酸类和酯类物质在近红外区有特异性吸收,1 mm光程比色池的最佳处理方法与最优波段分别为:一阶导数、谱区选择9400~5448 cm?1;8 mm光程比色池的最佳处理方法与最优波段分别为:一阶导数、谱区选择9400~7500 cm?1和6100~5448 cm?1。1、8 mm光程比色池的酸酯总量的近红外模型预测值与化学真值拟合的决定系数（R2）分别为99.18%、96.62%,内部交叉检验均方差根（RMSECV）分别为0.989、1.980 mmol/L。1 mm光程比色池的外部独立验证模型预测值与化学真值拟合的决定系数（R2）为99.45%,外部检验标准偏差（RMSEP）为0.819 mmol/L。结果表明,用1 mm光程比色池所建立的近红外模型具有很好的预测能力,能够满足成品白酒中酸酯总量的快速检测要求。     

The relative influence of packaging,labelling, branding and sensory attributes on liking and purchase intent: Consumers differ in their responsiveness

The relative impact of several extrinsic attributes on informed hedonic liking and purchase intent for wine is measured by combining a blind hedonic test with an informed tasting of the same wine packaged in different product concepts. This study separated the relative effect of various attributes and also considers differences between consumers in their responsiveness to various product cues.Five-hundred and twenty-one regular wine consumers participated in a central location test in three German cities in 2005. Respondents first rated hedonic liking of a white wine in a blind condition, then evaluated elements of product concepts differing in four extrinsic attributes, region of origin, grape variety, brand and packaging style, before indicating their liking and purchase intent in an informed condition.Overall, label style and brand evaluation were the strongest drivers for informed liking followed by liking in the blind condition. Purchase intent was influenced directly only by informed liking and price evaluation; the effect of the extrinsic and intrinsic cues is mediated through informed liking. A latent class regression resulted in three consumer segments that differ in the responsiveness of their informed liking to the different product characteristics. Younger inexperienced consumers utilised a mix of various cues, wine experienced consumers based their evaluation mainly on grape variety and blind hedonic liking, and older frequent wine consumers were influenced most strongly by brand and packaging. These findings provide insights into the relative impact of product packaging, branding and labelling on overall product liking and indicate strong differences in how consumers respond to different product characteristics.