基于高光谱图像和深度学习的菠菜新鲜度检测

• 作者: 徐焕良 王培 谢忠红 黄秋桂
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 高光谱 波长 算法 分组精英遗传算法 深度学习 新鲜度
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 277-284
• 页数: 8页
• 分类号: TP242
• 字数: 5793字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.13.033

摘要

针对传统机器视觉在实现菠菜新鲜度检测精度偏低的问题,该文提出了一种基于高光谱和深度学习技术的圆叶菠菜新鲜度识别新方法.以10℃常温贮存的圆叶菠菜为研究对象,以天为单位,综合考虑影响菠菜新鲜度的6个因素:贮藏天数、外观、含水率、叶绿素a、叶绿素b和胡萝卜素,将菠菜划分为新鲜、次新鲜和腐败3个等级.拍摄菠菜叶片的高光谱图像,计算ROI(region of interest)反射率均值后,基于分组精英策略遗传算法,结合2种分组策略,筛选出含6个波长的组合.定义训练集R和测试集合T,使用SVM分类器,基于波长对应的反射率,分别进行基于光谱特性界定菠菜的新鲜度分类试验.找出了识别率均值最高的3个波长,分别是389.55、742.325和1025.662 nm.由于基于光谱特性进行菠菜新鲜度检测时识别率偏低.尝试基于菠菜的高光谱图像特征进一步进行菠菜新鲜度识别研究.从高光谱图像集中抽取这3个波长对应的菠菜图像,构成菠菜图像样本库(NormImg389、NormImg742、NormImg1025和NormImg_merge),基于深度学习技术建立菠菜新鲜度识别模型,对图像样本库中4类图像进行识别试验,平均识别准确率79.69％、68.75％、69.27％和80.99％.而NormImg389测试集识别正确率接近80％,NormImg_merge测试集识别正确率最高达到了80.99％,说明融合3个波长对应的图像进行等级识别效果最好.该研究实现了圆叶菠菜新鲜度的无损检测,具有实践和理论意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢忠红	南京农业大学信息科学技术学院	32	226	7.0	14.0
2	徐焕良	南京农业大学信息科学技术学院	79	651	14.0	23.0
3	黄秋桂	南京农业大学信息科学技术学院	2	10	2.0	2.0
4	王培	南京农业大学信息科学技术学院	2	8	2.0	2.0