一种基于弛豫动态光谱技术的苹果损伤检测方法研究

在运输过程中，苹果的机械损伤每年都造成很大的经济损失。现有的苹果品质检测技术虽然能够精准判断苹果是否发生损伤，但是价格高昂，体积庞大，难以推广使用。针对以上情况，本文探索了一种基于弛豫光谱技术和BP神经网络算法的苹果损伤检测方法。文中以红富士苹果为实验对象，通过自主搭建的弛豫光谱采集系统采集光谱信号，使用SNV算法优化光谱数据，基于BP神经网络算法构建SNV-BP-RS苹果损伤检测模型，该模型准确率为91.48%，检测用时为0.291s。文中同时基于传统光谱建立了SNV-BP-CS苹果损伤检测模型，该模型准确率为86.39%，检测用时为0.454s。经过对比，本文提出的检测方法大大降低光谱检测系统对检测波段的需求，检测系统具有体积小、价格低等优势，检测模型准确率高，稳定性良好，为水果高效、低成本判伤提供一种新的思路。