-
题名基于全透射近红外光谱的空心西瓜在线检测方法研究
- 1
-
-
作者
李佳琪
田喜
王庆艳
何鑫
黄文倩
-
机构
广西大学机械工程学院车辆工程系
北京市农林科学院智能装备技术研究中心智能检测实验室
国家农业智能装备工程技术研究中心智能检测实验室
-
出处
《光谱学与光谱分析》
北大核心
2025年第5期1440-1447,共8页
-
基金
国家重点研发计划课题(2022YFD2002202)
国家现代农业产业技术体系西甜瓜岗位科学家项目(CARS-25-2024-G23)
北京市农林科学院创新能力建设专项(KJCX20230206)资助。
-
文摘
西瓜具有很高营养价值,医学上具有解暑的功效。成熟度、甜度和是否空心是西瓜评价的关键指标,成为市场竞争力的重要因素,西瓜空心的筛选保证西瓜更高品质,提高市场竞争力。通过实验室自主研发的全透射近红外光谱设备采集307个西瓜光谱。根据西瓜空心位置主要发生在瓜体中心的特点,创新性提出对光谱进行区域分割和权重处理。通过支持向量机(SVM)和偏最小二乘判别分析(PLSDA)算法分别挑选出最优的两种权重光谱,基于原始光谱、权重光谱以及进行多元散射矫正(MSC)和卷积平滑(SGS)预处理后的光谱,3种光谱采用SVM和PLSDA分别进行空心西瓜分类建模。结果显示,相比原始光谱建立的模型,通过预处理并不一定会加强模型效果,甚至会降低模型效果,通过两种权重光谱建立模型效果最好,准确率分别为96.74%(SVM)和92.39%(PLSDA),权重处理后的光谱相比原始光谱和其他两种预处理后的光谱具有更好的建模效果。采用SVM和PLSDA两种算法挑选出的权重光谱和原始光谱分别进行一维卷积神经网络(1D-CNN)建立分类模型,模型准确率分别为98.92%(SVM),96.77%(PLSDA)和95.70%(原始光谱)。结果表明,1D-CNN建模效果相比SVM和PLSDA建模效果更好,并且光谱分割和权重处理后的光谱在1D-CNN中仍然适用,效果相比原始光谱更好,此研究为空心西瓜无损在线分级检测提供了重要的技术支撑。
-
关键词
全透射近红外光谱
空心西瓜
权重光谱
一维卷积神经网络(1D-CNN)
-
Keywords
Full-transmission near-infrared spectroscopy
Hollow watermelons
Weighted spectra
1D-CNN
-
分类号
S375
[农业科学—农产品加工]
-
