图谱特征深度网络在苹果糖度检测中的探索研究

发布时间：2021-09-12 19:50

　　高光谱成像技术作为一项近年来比较流行的技术,在农作物检测方面展现出了巨大优势[1]。通过仪器和光源照射,高光谱技术能够获取被测物品的二维图像信息、一维光谱信息,从而无损地检测出苹果内外在的理化性质。文章通过高光谱技术获得苹果数据后,利用反向人工神经网络算法建模,实现对苹果糖度（苹果最重要的品质之一）的检测和预测。经过实际训练显示,该模型苹果糖度检测效果为R=0.910 3,预测误差均方根为13.17,预测效果较为良好,是无损检测苹果糖度的一个行之可行的方法。文章利用高光谱成像系统采集苹果的二维图像信息和一维光谱信息;对采集的数据进行降噪和预处理,筛选出特征波长;利用人工神经网络BP算法建立苹果糖度预测模型;带入实验数据训练,进行模型的评估。 

【文章来源】：企业科技与发展. 2020,(10)

【文章页数】：3 页

【部分图文】：

高光谱技术采集到的三维数据示意

高管够检测系统平台的大致结构

本项目的实验流程

【参考文献】：
期刊论文
[1]基于高光谱技术的果糖检测优化算法和可视化方法[J]. 管晓梅,杜军,张立人,肖斌.  光电子·激光. 2018(02)
[2]高光谱图像技术检测苹果外部损伤[J]. 刘晶晶,刘付龙,史铁,孙超,张晋宝,门洪.  中国食品学报. 2018(01)
[3]基于高光谱成像提取苹果糖度与硬度最佳波长[J]. 冯迪,纪建伟,张莉,刘思伽,田有文.  发光学报. 2017(06)
[4]采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测[J]. 刘思伽,田有文,张芳,冯迪.  食品科学. 2017(08)
[5]高光谱图像技术在水果无损检测中的研究进展[J]. 吴龙国,何建国,贺晓光,刘贵珊,王伟,王松磊,苏伟东,罗阳,思振华.  激光与红外. 2013(09)



本文编号：3394844