基于光学特性参数反演的苹果水心病检测

摘要

[目的]针对传统的果蔬品质检测方法费时且破坏检测样本的问题，提出了一种新的苹果水心病检测方法。[方法]采用具有水心病的新疆阿克苏苹果作为样本，首先利用反向倍增法计算得出苹果每层组织的光学特性参数，然后利用苹果果皮、果肉、果核层的光学参数据构建3层迁移反演模型，使用蒙特卡罗法对苹果内部的光子轨迹进行仿真并获取苹果表面的仿真光亮度图。由于水心病通常发生在苹果果核层，通过仿真光亮度图学习苹果果核层的特征，然后迁移到实测苹果样本数据中进行学习和预测。基于光学特性参数反演的检测方法是利用蒙特卡罗法和卷积神经网络提取与水心病相关的苹果果核层光学特征，使用迁移学习将这些特征与实际苹果样本水心病病情建立联系，成功利用模拟数据提取实测数据中由于存在噪声而无法提取的有效特征，提高了水心病预测的速度和准确度。[结果]基于光学特性参数反演的水心病检测方法在二分类条件下的预测准确率达到94.3%,优于直接使用高光谱数据的卷积神经网络模型和SVM模型；在四分类条件下预测准确率能达到93.5%,相较于卷积神经网络模型提高约4%。[结论]试验结果说明所提出的基于光学特性参数反演的水心病检测方法能有效提取更多与水心病相关的苹果果核层高光谱特征，为苹果水心病的检测提供了一种新的思路。

关键词

苹果水心病预测 / 光学特性参数反演 / 高光谱 / 卷积神经网络 / 迁移学习