基于高光谱成像的樱桃番茄无损检测
计算机视觉与模式识别
2022-03-11 v1 人工智能
摘要
樱桃番茄（Solanum Lycopersicum）因其特殊风味而深受全球消费者喜爱。可溶性固形物含量（SSC）与硬度是评价产品品质的两个关键指标。本工作中，我们基于高光谱图像及相应的深度学习回归模型，开发了针对SSC与果实硬度的无损检测技术。获取了200余颗番茄果实的高光谱反射图像，光谱范围为400至1000 nm。对所获高光谱图像进行校正并提取光谱信息。提出一种新颖的基于一维（1D）卷积ResNet（Con1dResNet）的回归模型，并与现有技术进行比较。实验结果表明，在样本量相对较大的情况下，我们的技术在SSC上比现有技术好26.4%，在硬度上好33.7%。本研究结果表明了高光谱成像技术在SSC与硬度检测中的应用潜力，为未来樱桃番茄果实品质的无损检测提供了新选择。
引用
@article{arxiv.2203.05199,
title = {Hyperspectral Imaging for cherry tomato},
author = {Yun Xiang and Qijun Chen and Zhongjin Su and Lu Zhang and Zuohui Chen and Guozhi Zhou and Zhuping Yao and Qi Xuan and Yuan Cheng},
journal= {arXiv preprint arXiv:2203.05199},
year = {2022}
}