基于卷积神经网络和高光谱成像技术的芒果成熟度判别
邱邹全1
蒙庆华2
吴哲锋2
姚嘉炜1
桑丽婷1
马煜雯1
黄玉清3
李钰4
1.南宁师范大学物理与电子学院,广西 南宁 530001;广西华谱红外科技有限公司,广西 南宁 5302992.南宁师范大学物理与电子学院,广西 南宁 530001;广西华谱红外科技有限公司,广西 南宁 530299;南宁师范大学,广西信息功能材料与智能信息处理重点实验室,广西 南宁 5300013.南宁师范大学,北部湾环境演变与资源利用教育部重点实验室,广西地表过程与智能模拟重点实验室,广西 南宁 5300014.广西壮族自治区水果技术指导站,广西 南宁 530022
摘要：为了无损判别芒果成熟度,本研究着力探索利用可见近红外高光谱成像技术与深度学习方法结合.通过漫反射高光谱成像系统,采集400～1 000 nm波长范围内未熟、成熟和过熟芒果的高光谱数据,运用SPXY算法按6:2:2划分为训练、验证和测试集.经小波阈值去噪(Wavelet Threshold Denoising,WTD)、多元散射校正(Multiplicative Scatter Correction,MSC)等光谱预处理后,构建一维卷积神经网络(1-Dimensional Convolutional Neural Network,1DCNN)模型.同时,采用主成分分析(Principal Component Analysis,PCA)和自举软收缩(Bootstrapping Soft Shrinkage,BOSS)提取特征波段,搭建偏最小二乘判别分析(Partial Least Squares-Discriminant Analysis,PLS-DA)与极限学习机(Extreme Learning Machine,ELM)的分类模型.对比分析表明,基于多元散射校正预处理的1DCNN模型性能最佳,在测试集上分类准确率达98.30%,Kappa系数为0.97.研究结论表明,高光谱成像技术与神经网络算法相结合,能高精度无损判别芒果成熟度,为芒果自动化分拣的实际应用提供理论基础.
关键词：高光谱成像芒果无损检测特征波长卷积神经网络Kappa系数
资助基金：广西科技基地和人才专项(AD20238059)中央专项彩票公益金-南宁师范大学创新创业教育专项课题(2025SCKT03)广西普通本科高校示范性现代产业学院-南宁师范大学智慧物流产业学院建设项目(6020303891823)
论文发表日期：2025-12-20
在线出版日期：2026-01-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 313-322 )
英文信息