基于光子传输模拟与卷积神经网络的苹果品质检测

摘要：

针对传统果蔬品质检测方法中因样本数量不足而导致检测误差大的问题,提出了一种基于面光源下光子传输模拟的苹果品质检测方法.以苹果为研究对象,采用蒙特卡洛方法仿真光子在苹果双层平板模型的运动轨迹,快速得到20 000幅苹果组织表面光亮度分布图像,以光学参数作为标签,输入卷积神经网络进行训练,将得到的模型进行微调迁移,应用到少量实测苹果光谱图像的数据集上进行光学特性参数的反演,最后将该网络模型全连接层的输出结果与苹果品质建立关联,实现对苹果糖度及硬度的无损检测.结果表明,果肉吸收系数μa2反演准确率为93. 24% ,果肉散射系数μs2反演准确率为92. 54% ;与传统光学参数方法相比,苹果品质分类模型糖度和硬度的预测准确率分别提高了5. 87、6. 48 个百分点,苹果品质回归模型糖度和硬度的决定系数分别提高了0. 139 7 和0. 088,与基于点光源的预训练模型相比达到了更好的效果.

关键词：苹果;品质检测;光学参数;卷积神经网络;迁移学习;蒙特卡洛模拟

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目;国家自然科学基金项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：338-345