关键词：高光谱成像;;无损检测;;翠冠梨;;线性判别式分析;;卷积神经网络
摘 要：我国是梨产量大国,翠冠梨市场前景广阔。为了保证梨的品质,快速有效分选出翠冠梨机械损伤果以及缺陷果,实现翠冠梨品质在线检测。本文主要进行基于高光谱成像技术的翠冠梨机械损伤和外部缺陷无损检测方法研究。以翠冠梨表面的机械碰压损伤为研究对象,分别采集完好样本和机械损伤后1-7天、11天、14天的翠冠梨的高光谱图像,并提取其表面损伤区域的光谱信息,光谱范围为500 nm-900 nm。采用中心化方法对采集的光谱进行光谱预处理,分别通过竞争性自适应重加权算法和连续投影算法提取特征波长,利用线性判别式分析和偏最小二乘法分别建立全谱和特征波长检测模型,识别翠冠梨碰压伤。通过检测结果分析,基于全谱检测模型和特征波长检测模型,其完好果和机械碰压果的识别准确率均在90%以上,最优可达97.78%。以翠冠梨表面的多种缺陷特征(色差、结痂、褐腐、腐烂、脐腐)为研究对象,分别采集翠冠梨完好样本和表面具有色差、结痂、褐腐、腐烂、脐腐特征的翠冠梨缺陷样本高光谱图像,经过掩膜处理后,选择550 nm、649 nm、859 nm三个波段的图像生成假彩色合成图像。果梗与完好区域定义为正,色差、结痂、褐腐、腐烂、脐腐缺陷定义为负,利用卷积神经网络对其建模,测试准确率为94.28%。研究结果表明,高光谱成像技术可应用于翠冠梨机械损伤和外观缺陷的检测,为翠冠梨品质高光谱在线检测系统提供理论基础。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取