基于深度学习的苹果糖度和霉心病检测新技术

基于光谱数据的偏最小二乘等回归算法是当前苹果糖度和霉心病无损检测的常规方法,但在实际应用中仍存在检测结果离散度大的问题。基于卷积神经网络提取图像非线性特征能力强的特点,并考虑到同一个苹果的糖度和霉心病两种光谱信息之间应具有关联性,提出一种基于全部光谱信息的深度学习回归方法。通过搭建两套光谱检测设备,分别检测常规的糖度和霉心病光谱信息,融合两种光谱数据作为神经网络的输入信号,经过定制的神经网络结构处理,将输入信号转变为高阶特征,最终输出预测结果。实验结果表明,本方法具有较高的检测准确度,且能同时检测糖度和霉心病,提高了检测效率。