首页 | 本学科首页   官方微博 | 高级检索  
     

基于高光谱图像和深度学习的菠菜新鲜度检测
引用本文:谢忠红,徐焕良,黄秋桂,王培. 基于高光谱图像和深度学习的菠菜新鲜度检测[J]. 农业工程学报, 2019, 35(13): 277-284
作者姓名:谢忠红  徐焕良  黄秋桂  王培
作者单位:南京农业大学信息科学技术学院,南京 210095,南京农业大学信息科学技术学院,南京 210095,南京农业大学信息科学技术学院,南京 210095,南京农业大学信息科学技术学院,南京 210095
基金项目:中央高校基本业务费(KYZ201670); 国家自然科学基金(31601545)
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1 025.662 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(Norm Img389、Norm Img742、Norm Img1025和Norm Img_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Norm Img389测试集识别正确率接近80%,Norm Img_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。

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
收稿时间:2019-03-01
修稿时间:2019-05-28

Spinach freshness detection based on hyperspectral image and deep learning method
Xie Zhonghong,Xu Huanliang,Huang Qiugui and Wang Pei. Spinach freshness detection based on hyperspectral image and deep learning method[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(13): 277-284
Authors:Xie Zhonghong  Xu Huanliang  Huang Qiugui  Wang Pei
Affiliation:College of Information Technology , Nanjing Agricultural University, Nanjing 210095, China,College of Information Technology , Nanjing Agricultural University, Nanjing 210095, China,College of Information Technology , Nanjing Agricultural University, Nanjing 210095, China and College of Information Technology , Nanjing Agricultural University, Nanjing 210095, China
Abstract:
Keywords:hyperspectral   wavelength   algorithm   grouped elite genetic screening   deep learning   freshness
本文献已被 CNKI 等数据库收录!
点击此处可从《农业工程学报》浏览原始摘要信息
点击此处可从《农业工程学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号