近日，山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院宋月鵬教授團(tuán)隊(duì)在《Agriculture-Basel》發(fā)表了題為“A study on hyperspectral apple bruise area prediction based on spectral imaging”的研究論文，張悅博士為該論文的第一作者，宋月鵬教授為通訊作者。

蘋果在采摘、包裝、運(yùn)輸?shù)冗^(guò)程中極易發(fā)生損傷，而損傷面積是果品品質(zhì)與等級(jí)評(píng)定的重要指標(biāo)之一。蘋果輕微機(jī)械損傷由于表面輕微凹陷、損傷面積小、無(wú)汁液外溢，傳統(tǒng)機(jī)器視覺(jué)技術(shù)對(duì)損傷的識(shí)別精度較低，影響了蘋果品質(zhì)分級(jí)的準(zhǔn)確性和效率。基于此，本文提出了一種高光譜結(jié)合機(jī)器學(xué)習(xí)的蘋果輕微損傷面積快速準(zhǔn)確預(yù)測(cè)方法，為果品分級(jí)提供關(guān)鍵理論支持。

通過(guò)收集蘋果波長(zhǎng)范圍在376~1011 nm的高光譜數(shù)據(jù)，采用三種波長(zhǎng)選擇方法（競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣、L1參數(shù)法和Pearson相關(guān)系數(shù)法），對(duì)光譜數(shù)據(jù)進(jìn)行波長(zhǎng)選擇，大大提高了運(yùn)算效率。分別建立了三種機(jī)器學(xué)習(xí)預(yù)測(cè)模型（偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)）并對(duì)其性能進(jìn)行了比較，結(jié)果表明CARS-ANN模型性能最優(yōu)。進(jìn)一步利用麻雀優(yōu)化算法（SSA）對(duì)CARS-ANN模型進(jìn)行優(yōu)化，提高了預(yù)測(cè)準(zhǔn)確率。通過(guò)將蘋果損傷面積的擬合曲面與預(yù)測(cè)模型相結(jié)合，揭示了光譜信息、瘀傷面積、損傷時(shí)間和損傷程度之間的內(nèi)在關(guān)聯(lián)機(jī)制，從而實(shí)現(xiàn)了對(duì)蘋果輕微機(jī)械損傷面積的快速準(zhǔn)確預(yù)測(cè)。

研究結(jié)果可為光譜成像技術(shù)在農(nóng)產(chǎn)品無(wú)損檢測(cè)領(lǐng)域的應(yīng)用提供了新的思路和方法，有望在果品品質(zhì)評(píng)定、分級(jí)和農(nóng)產(chǎn)品質(zhì)量控制、追溯等方面發(fā)揮重要作用。

該研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、山東省果品產(chǎn)業(yè)體系崗位專家專項(xiàng)等多個(gè)項(xiàng)目的資助。

論文鏈接：https://doi.org/10.3390/agriculture13040819

編      輯：萬(wàn)    千 

審      核：賈    波