一维卷积神经网络的手持式可见/近红外柑橘可溶性固形物含量无损检测系统

摘要：

为实现柑橘可溶性固形物含量(SSC)快速无损检测,基于可见/近红外技术开发了低功耗手持式柑橘可溶性固形物含量无损检测系统.以宽谱 LED光源结合特征窄带微型光谱仪为核心,设计了手持式柑橘可溶性固形物含量无损检测终端.开发了基于物联网技术的水果光谱仪云端数据系统,该系统主要包括用户库、设备库、检测数据库和模型库,通过通讯模块与手持式无损检测终端相连接,可以实现光谱采集参数修改、云端数据上传与下载、云模型的调用等功能.利用该检测系统获取的光谱数据,建立一维卷积神经网络(1 D-CNN)模型用于预测柑橘的可溶性固形物含量.该网络包含输入层、卷积层、池化层、全连接层和输出层等 7 层结构.主机采集柑橘的光谱数据并建立 1D-CNN 柑橘可溶性固形物含量预测模型,并用该模型与多种传统回归方法进行对比.1D-CNN模型的预测相关系数和预测均方根误差分别为 0.812,0.488,优于偏最小二乘法(PLS),人工神经网络(ANN)和支持向量机(SVM).采用基于模型的迁移学习方法,基于主机的 1D-CNN模型对从机进行模型传递,研究了从机标准样本数量对模型传递的影响.发现使用少量从机光谱样本即可取得较好的效果,从机预测集均方根误差为 0.531.研究结果表明,研发的柑橘 SSC云模型的手持式可见近红外无损检测系统具有检测快速、低成本、操作简便等优点,基于该检测系统的 1D-CNN网络可以有效提取柑橘光谱的有效特征并进行回归分析.借助迁移学习算法,可以实现 1D-CNN 模型在不同装置间的有效传递,满足柑橘可溶性固形物含量无损检测的需求.为手持式水果内部品质无损检测系统的开发与应用提供了借鉴和参考.

关键词：无损检测、柑橘、可见/近红外光谱、可溶性固形物含量、一维卷积神经网络、迁移学习、模型传递

所属期刊栏目：43

分类号：O657.3(分析化学)

资助基金：国家自然科学基金;现代农业产业技术体系;江苏高校青蓝工程项目;现代农业装备与技术教育部重点实验室开放基金项目;江苏大学农业装备学部青年项目

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2792-2798