基于高光谱数据的青梅成熟度分类方法

摘要

青梅作为我国种植历史悠久的经济林果之一，常被用作生产果酒、果酱等。目前青梅品级的筛选主要依靠人工，难以满足大规模的生产分选需求。提出一种基于一维卷积的青梅成熟度分类模型1D-CNN，以期提高青梅的智能分选效率。使用Z-Score归一化、最大最小值归一化、多元散射校正和标准正态变量变换4种方法对青梅光谱数据预处理，用连续投影算法、竞争性自适应重加权采样算法、随机森林3种方法对预处理后的数据筛选特征波长，使用偏最小二乘法分析不同方法获得的特征波长对青梅糖酸度的预测效果，确定Max＿Min+CARS方法筛选的特征波长效果最好。将青梅理化指标经K＿Means方法聚类后划分青梅成熟度分类标准，建立基于一维卷积的青梅成熟度分类模型，并与传统机器学习方法作对比，构建的基于一维卷积的青梅成熟度分类模型1DCNN分类准确率最高，达到92.72%。

关键词

青梅 / 智能分选 / 一维卷积 / 高光谱成像技术 / 成熟度