本发明涉及水果品质无损检测领域,具体来说是一种基于高光谱和深度学习的肥城桃内外品质检测方法。该方法首先采集肥城桃样本的高光谱数据与理化指标并进行高光谱图像校准,然后通过蒙特卡罗偏最小二乘法剔除光谱数据异常值并采用光谱理化值共生距离法进行样本划分,再使用多种变量选择算法识别可溶性固形物含量与硬度的敏感特征波长,同时通过分析样本与背景光谱差值优选高光谱图像,利用深度学习YOLOv3算法进行目标框选与预测框尺寸面积提取,最后,建立特征波长光谱数据和可溶性固形物、硬度的回归预测模型,以及像素尺寸、面积和真实尺寸、重量的回归模型,实现肥城桃可溶性固形物、硬度、果径、重量的快速无损检测与内部品质空间分布可视化。
声明:
“基于高光谱和深度学习的肥城桃内外品质检测方法” 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)