一维卷积神经网络的手持式可见/近红外柑橘可溶性固形物含量无损检测系统

为实现柑橘可溶性固形物含量(SSC)快速无损检测,基于可见/近红外技术开发了低功耗手持式柑橘可溶性固形物含量无损检测系统。以宽谱LED光源结合特征窄带微型光谱仪为核心,设计了手持式柑橘可溶性固形物含量无损检测终端。开发了基于物联网技术的水果光谱仪云端数据系统,该系统主要包括用户库、设备库、检测数据库和模型库,通过通讯模块与手持式无损检测终端相连接,可以实现光谱采集参数修改、云端数据上传与下载、云模型的调用等功能。利用该检测系统获取的光谱数据,建立一维卷积神经网络(1D-CNN)模型用于预测柑橘的可溶性固形物含量。该网络包含输入层、卷积层、池化层、全连接层和输出层等7层结构。主机采集柑橘的光谱数据并建立1D-CNN柑橘可溶性固形物含量预测模型,并用该模型与多种传统回归方法进行对比。1D-CNN模型的预测相关系数和预测均方根误差分别为0.812,0.488,优于偏最小二乘法(PLS),人工神经网络(ANN)和支持向量机(SVM)。采用基于模型的迁移学习方法,基于主机的1D-CNN模型对从机进行模型传递,研究了从机标准样本数量对模型传递的影响。发现使用少量从机光谱样本即可取得较好的效果,从机预测集均方根误差为0.531。研究结果表明,研发的柑橘SSC云模型的手持式可见近红外无损检测系统具有检测快速、低成本、操作简便等优点,基于该检测系统的1D-CNN网络可以有效提取柑橘光谱的有效特征并进行回归分析。借助迁移学习算法,可以实现1D-CNN模型在不同装置间的有效传递,满足柑橘可溶性固形物含量无损检测的需求。为手持式水果内部品质无损检测系统的开发与应用提供了借鉴和参考。

果蔬品质劣变传感检测与监测技术研究进展

果蔬在采后贮藏和运输过程中极易发生品质劣变,食用价值降低且造成巨大的经济损失。为保障果蔬品质,减少产后劣变导致的资源浪费,本文综述了果蔬品质劣变传感检测与监测技术最新研究现状,分析了各类检测技术的原理、特点及优缺点。其中,机器视觉可检测果蔬外部品质和表面缺陷,电子鼻可监测果蔬的劣变气味,近红外光谱可检测果蔬内部品质和隐性缺陷,高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程,拉曼光谱可检测果蔬腐败菌及其代谢产物,多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统,进而实现果蔬品质劣变信息的智能化实时监测,为解决果蔬加工过程中品质劣变控制技术难题提供参考,对降低果蔬产后的经济损失,推进果蔬产业可持续发展具有重要意义。