基于高光谱图像技术与迁移学习的水晶梨早期损伤检测

摘要：

梨在储藏、包装和运输等过程中均可能发生不同程度的机械损伤,若不及时剔除损伤梨,损伤可能会逐渐严重而演变成腐烂,造成严重的经济损失.为建立一种梨早期损伤检测及损伤时间评估的快速、无损检测方法,采用高光谱图像结合迁移学习模型对损伤早期水晶梨进行识别.以无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨为研究对象,应用高光谱成像系统采集样品的高光谱图像,共获取无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨高光谱图像各80帧.对高光谱图像进行主成分分析,选择主成分图像4,5,6(PC4,PC5,PC6)作为检测水晶梨损伤的特征图像,将3个主成分图像拼接后进行数据扩充共得到无损伤、挤压损伤24 h和挤压损伤48 h的特征图像各160帧.按照9:1比例划分样本训练集和测试集后,分别建立了支持向量机(SVM)、k-近邻(k-NN)和基于ResNet50网络的迁移学习损伤识别模型.SVM、k-NN和基于ResNet50网络的迁移学习模型对测试集样本总体识别准确率分别为83.33％,85.42％ 和93.75％,基于ResNet50网络的迁移学习模型识别效果最佳,其对测试集中无损伤、挤压损伤24 h和挤压损伤48 h的样本正确识别率分别达到100％,83％ 和95％.该研究结果表明,高光谱图像技术结合基于ResNet50网络的迁移学习模型可实现水晶梨早期损伤检测,并对损伤时间有较好的预测效果,且损伤时间越长,识别准确率越高.

关键词：高光谱图像、迁移学习、水晶梨、损伤检测

所属期刊栏目：42

分类号：TP751(遥感技术)

资助基金：中国博士后基金面上项目;中央高校基本科研业务费专项资金项目

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3626-3630