1D-Inception-ResNet模型

CARS选波长后Rp² 0.98

结合可见-近红外光谱与91个特征波长，实现食用油棕榈酸含量的快速无损预测，精度显著优于传统模型。

Ning, Su · Lin, Fei Fei · Xu, Taosheng

Foods 2026

参数信息

预测决定系数

0.9825

预测均方根误差

0.4804

预测决定系数

0.9027

预测均方根误差

1.13

技术优势

不用拆样

反射光谱直接采集，油样无需预处理或消耗，适合生产线逐瓶检测。

波长少九成

CARS将2500个波长压缩到91个，模型更小、采集更快，且精度反而更高。

比传统模型准

1D-Inception-ResNet的Rp²比SVR、KNN等传统方法显著提升，误差减小一半以上。

应用场景

• 食用油品质快检：替代GC-MS逐批检测，几秒内给出棕榈酸含量。
• 近红外光谱分析：提供91个特征波长，简化光谱仪设计并加快采集。
• 深度学习回归：用一维卷积网络从高维光谱中自动提取特征。
• 食品成分无损检测：对原瓶油样直接测量，不消耗样品、不破坏包装。