本發明涉及水果品質無損檢測領域,具體來說是一種基于高光譜和深度學習的肥城桃內外品質檢測方法。該方法首先采集肥城桃樣本的高光譜數據與理化指標并進行高光譜圖像校準,然后通過蒙特卡羅偏最小二乘法剔除光譜數據異常值并采用光譜理化值共生距離法進行樣本劃分,再使用多種變量選擇算法識別可溶性固形物含量與硬度的敏感特征波長,同時通過分析樣本與背景光譜差值優選高光譜圖像,利用深度學習YOLOv3算法進行目標框選與預測框尺寸面積提取,最后,建立特征波長光譜數據和可溶性固形物、硬度的回歸預測模型,以及像素尺寸、面積和真實尺寸、重量的回歸模型,實現肥城桃可溶性固形物、硬度、果徑、重量的快速無損檢測與內部品質空間分布可視化。
聲明:
“基于高光譜和深度學習的肥城桃內外品質檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)