本发明提供了一种基于机器学习的苹果糖度无损检测方法,建立以洛伦兹拟合光谱图像散射分布为基础,利用机器学习中岭回归方法进行预测的模型。采用双边滤波方法对手机拍摄得到的光谱图像进行处理,从而得到干扰较少且特征信息更为显著的光谱。利用光斑中心点定位算法,不断迭代以确定光谱图像最亮点坐标,之后进行数据拟合。拟合得到洛伦兹系数,用于岭回归模型构建,并利用部分苹果数据对模型进行校正,并验证。最终得到的模型更为稳定和准确,可用于苹果糖度无损检测。本发明不但能够使用最为常用的设备—手机进行检测,而且对苹果的外部以及内部都可进行无损检测,同时能够进行校正,提高了检测的准确性和效率。
声明:
“基于机器学习的苹果糖度无损检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)