基于卷积神经网络的食品塑料包装袋光谱识别

作     者：吕铷麟 贾镇 胡益滔 何洪源 何伟文 LYU Ru-lin;JIA Zhen;HU Yi-tao;HE Hong-yuan;HE Wei-wen

作者机构：中国人民公安大学侦查学院北京100038 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2022年第43卷第3期

页      面：121-128页

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 08[工学] 083201[工学-食品科学] 

基　　金：国家重点研发计划资助(2017YFC0822001) 

主　　题：高光谱成像技术 卷积神经网络 包装袋 机器学习 快速识别 

摘      要：目的实现食品塑料包装袋的快速检测和材质区分。方法研究使用高光谱成像技术在450~950nm波长范围下采集了49组不同食品包装袋样本的光谱数据,利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理,建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型,并比较了它们对包装袋材质的识别性能。结果决策树模型与支持向量机模型的验证识别率分别为87.8%和88.9%,卷积神经网络模型的验证识别率高达100%,损失函数值最终下降到0.0171且达到收敛,在分类效果和精度上具有明显的优势。结论高光谱检测方法不破坏检材,重现性好,稳定性强,实现了对食品塑料包装袋的精准识别。卷积神经网络模型对食品包装袋高光谱数据的识别效果最好,为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据。