基于高光谱成像和卷积神经网络的‘库尔勒’香梨 黑斑病潜育期诊断研究

作     者：胡泽轩 王文秀 张凡 赵丹阳 马倩云 孙剑锋 HU Zexuan;WANG Wenxiu;ZHANG Fan;ZHAO Danyang;MA Qianyun;SUN Jianfeng

作者机构：河北农业大学食品科技学院河北保定071000 塔里木大学现代农业工程重点实验室新疆阿尔罕843300 

出 版 物：《河北农业大学学报》 (Journal of Hebei Agricultural University)

年 卷 期：2022年第45卷第5期

页      面：86-92,F0002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] 083203[工学-农产品加工及贮藏工程] 

基　　金：河北省重点研发计划项目(20327111D) 河北省省属学校基本科研业务费研究项目(KY202002) 

主　　题：高光谱成像 卷积神经网络 ‘库尔勒’香梨 黑斑病 潜育期 

摘      要：黑斑病是‘库尔勒’香梨贮藏期的易染病害之一,在潜育期外观无明显变化,很难直接通过肉眼进行准确识别。本研究结合高光谱成像和卷积神经网络(CNN),实现了‘库尔勒’香梨黑斑病潜育期的识别。获取健康和不同病害程度香梨样品的高光谱图像,提取感兴趣区域内光谱后,利用不同预处理方法对其进行处理,分别基于常规算法(最小二乘-支持向量机、K最邻近法、随机森林)和CNN建立病害识别模型。结果表明,与常规算法建模结果相比,CNN模型的识别效果最优。当卷积层数为3,全连接层数为3,学习率为0.0005时,CNN模型的识别效果最佳,对样品的总体识别准确率为99.70%,对潜育期样品的识别准确率为99.76%,分别较常规算法提高了12和14个百分点。该结果证实CNN模型能够显著提高对‘库尔勒’香梨黑斑病潜育期识别的准确率,为‘库尔勒’香梨黑斑病的早期诊断防治提供了1种新的方法。