图谱特征深度网络在苹果糖度检测中的探索研究

摘要：

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=0.9103,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.

关键词：苹果糖度、无损检测、高光谱成像、人工神经网络BP算法

分类号：O657.33;TS255.7(分析化学)

资助基金：基于图谱特征深度网络的苹果综合品质检测项目编号:201910357722

在线出版日期：2020-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：57-59