太赫兹光谱转图像及ResNet的陈皮年份鉴别

中国陈皮(学名柑橘皮,PCR),它们具有高药用价值且随时间增长而增值,但是由于各个年份的陈皮的形态类似,难以区分。因此本研究提出使用太赫兹技术结合深度学习方法对陈皮样品进行贮藏年份的鉴别。利用图像特征转换方法,包括Gramian角场(GAF)、Markov过渡场(MTF)和递归图(RP),将光谱数据成功转化为RGB三维图像数据,构建了ResNet模型,然后将ResNet模型与1D-CNN模型和CNN-LSTM模型进行对比。结果显示,ResNet模型表现最优,准确率达到了0.8035。总之,将太赫兹光谱数据转换为图像数据结合深度学习模型可以有效区分不同贮藏年份的陈皮,为陈皮的年份检测提供了一个有效的方法。