基于偏振成像的青椒新鲜度无损检测方法研究

摘要

[目的]本研究提出了基于偏振成像技术的青椒新鲜度快速无损检测方法，旨在改善普通RGB成像技术受复杂光照干扰导致的分类准确率偏低的问题。[方法]以青椒品种‘瑞宝薄脆800’为样品，利用分焦平面偏振相机同步获取青椒在4个偏振方向(0°、45°、90°和135°)下的偏振图像；基于K-means聚类和主成分分析对失重率、转红指数和感官评分3个指标进行分析，获得样本的新鲜度等级标签，并由此对图像数据集进行标签划分；构建了2种基于图像灰度共生矩阵的机器学习分类模型和多种轻量级神经网络分类模型。[结果]相比于普通的RGB图像，偏振图像能够有效减少光照反射的干扰，准确捕捉青椒新鲜度变化过程中的纹理和颜色变化；基于偏振图像的分类模型在新鲜度分类中表现出更高的准确性(分类精度由基于RGB图像的不足80%提高到大于95%),特别是MobileNet V2模型，在偏振图像上的分类准确率达到98.98%。[结论]偏振成像技术在复杂光线环境下能提供比普通RGB成像更准确的色彩和细节信息，显著提升了图像质量。本研究展现了偏振成像技术与深度学习结合在青椒新鲜度检测任务中的优越性能，为青椒新鲜度的快速无损检测提供了一个可行方案。

关键词

偏振成像 / 青椒 / 新鲜度 / 深度学习 / 无损检测