一种改进的基于CNN的神经网络模型用于水果糖度检测
人工智能
2024-11-08 v2
摘要
人工智能(AI)广泛应用于图像分类、识别、文本理解与自然语言处理,取得了显著进展。本文中,我们将AI引入水果品质检测领域。我们利用基于水果可见/近红外(V/NIR)光谱的人工神经网络(ANN)设计了一个用于水果糖度估计的回归模型。在分析水果光谱后,我们提出了一种创新的神经网络结构:下层由多层感知机(MLP)组成,中间层具有二维相关矩阵,上层包含若干卷积神经网络(CNN)层。以水果糖度为检测目标,我们收集了赣南脐橙和天山梨两类水果的数据,并分别进行实验以比较其结果。为评估数据集的可靠性,我们首先应用方差分析(ANOVA)。随后,我们探索了处理光谱数据的多种策略并评估其影响。此外,我们采用小波分解(WD)进行降维,并使用遗传算法(GA)筛选最优特征。我们将神经网络模型与传统偏最小二乘(PLS)模型的性能进行比较,并专门将我们提出的MLP-CNN结构与其他传统神经网络架构进行评估。最后,我们基于数据集的标准差(STD)引入了一种新的评价指标来评估检测性能,证明了使用人工神经网络模型进行无损水果糖度检测的可行性。
引用
@article{arxiv.2311.11120,
title = {An Improved CNN-based Neural Network Model for Fruit Sugar Level Detection},
author = {Boyang Deng and Xin Wen and Zhan Gao},
journal= {arXiv preprint arXiv:2311.11120},
year = {2024}
}