[发明专利]一种融合糖度和霉心病光谱信息的果蔬无损检测方法在审
| 申请号： | 202111001520.0 | 申请日： | 2021-08-30 |
| 公开（公告）号： | CN113971435A | 公开（公告）日： | 2022-01-25 |
| 发明（设计）人： | 高峰利;张震;胡玉薇;杨佳明;龚幼平;刘西锋;刘铁军;李绍;林锥;王怀喜 | 申请（专利权）人： | 北京京仪仪器仪表研究总院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06N5/04;G01N21/25 |
| 代理公司： | 北京卫平智业专利代理事务所(普通合伙) 11392 | 代理人： | 安晓红 |
| 地址： | 100176 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 融合 糖度 心病 光谱 信息 无损 检测 方法 | ||
1.一种融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于，包括以下步骤：
S1、分别采集若干果蔬样本的糖度光谱数据和霉心病光谱数据；
S2、对所述糖度光谱数据标注糖度值标签，对所述霉心病光谱数据标注是否存在霉心病的标签；
将同一个果蔬样本的糖度光谱数据及对应标签和霉心病光谱数据及对应标签组合成双通道数据格式，构建数据集；
S3、设置以数据集作为输入的双模态神经网络回归模型；
S4、将数据集划分为训练集和测试集，采用训练集训练双模态神经网络回归模型，采用测试集对双模态神经网络回归模型进行性能评价，得到训练好的双模态神经网络回归模型；
S5、利用训练好的双模态神经网络回归模型对果蔬的糖度值和是否存在霉心病进行预测。
2.如权利要求1所述的融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于：在所述步骤S1中，通过两套光谱仪分别采集若干果蔬样本的糖度光谱数据和霉心病光谱数据。
3.如权利要求1所述的融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于：在所述步骤S1中，分别采集不同果蔬样本在等距时间序列点上的糖度光谱数据和霉心病光谱数据。
4.如权利要求1所述的融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于：所述果蔬样本的数量不少于200个。
5.如权利要求1所述的融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于：步骤S3所述双模态神经网络回归模型包括：糖度特征提取模块、霉心病特征提取模块和联合特征提取模块；
所述糖度特征提取模块包括：卷积层C11、RELU层R11、Pooling层P11、卷积层C12、RELU层R12、Pooling层P12和Dropout层D11；
所述霉心病特征提取模块包括：卷积层C21、RELU层R21、Pooling层P21、卷积层C22、RELU层R22、Pooling层P22和Dropout层D21；
所述联合特征提取模块包括：全联接层FC1、Dropout层D2、全联接层FC2和输出层Output。
6.如权利要求5所述的融合糖度和霉心病光谱信息的果蔬无损检测方法，其特征在于：在所述步骤S2中，采用yC表示糖度值标签；采用yA和yB表示：是否存在霉心病的标签；
当果蔬样本存在霉心病时，yA＝1，yB＝0；
当果蔬样本不存在霉心病时，yA＝0，yB＝1。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京京仪仪器仪表研究总院有限公司，未经北京京仪仪器仪表研究总院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111001520.0/1.html，转载请声明来源钻瓜专利网。
