一种基于弛豫动态光谱技术的苹果损伤检测方法研究

在运输过程中,苹果的质量不断下降,导致苹果滞销严重,造成了很大的经济损失。现有的苹果品质检测技术虽然能够精准判断苹果是否发生损伤,但是价格高昂,体积庞大,难以推广使用。针对以上情况,探索了一种基于弛豫光谱技术和BP神经网络算法的苹果损伤检测方法。文中以红富士苹果为实验对象,通过自主搭建的弛豫光谱采集系统采集光谱信号,使用SNV算法优化光谱数据,基于BP神经网络算法构建SNV-BP-RS苹果损伤检测模型,该模型准确率为91.48%,检测用时为0.291 s。文中同时基于传统光谱建立了SNV-BP-CS苹果损伤检测模型,该模型准确率为86.39%,检测用时为0.454 s。经过对比,所提出的检测方法大大降低了光谱检测系统对检测波段的需求,检测系统具有体积小、价格低等优势,检测模型准确率高,稳定性良好,为水果高效、低成本判伤提供一种新的思路。