基于高光谱成像与深度学习的草莓早期碰伤自动检测技术研究

本文探讨了利用高光谱成像（HSI）结合深度学习技术（YOLOv5）实现草莓早期碰伤自动检测的新方法。研究通过特征波长筛选（SPA、RF）优化检测效率，PLS-LDA模型分类精度达99.21%，YOLOv5对碰伤区域的识别F1分数超93.03%，为水果品质无损检测提供了高效解决方案。

　　

章节精选

草莓样品

共160颗草莓（单果重20-25克）购自江苏镇江本地超市。样品成熟度与形状相近，果面洁净无损伤。实验室常温保存后，依次进行高光谱成像测量与压缩实验。

高光谱成像测量

（内容缺失部分暂略）

健康与碰伤草莓的对比

通过比较碰伤前后同一感兴趣区域（ROI）的平均光谱（460–1030 nm），发现健康与碰伤草莓的光谱趋势相似（图3A）。在670 nm和970 nm附近存在两个明显吸收谷，分别归因于叶绿素a和水的吸收。尽管部分光谱重叠，但碰伤样本的反射强度整体低于健康样本。

结论

本研究证实高光谱成像系统可用于草莓早期碰伤的无损检测。碰伤样本的光谱反射强度较低，基于全波长的PLS-LDA模型分类精度达99.21%。通过RGB、SPA和RF筛选特征波长后，模型仍保持优异性能。基于最优特征波长的图像融合结合YOLOv5模型，实现了碰伤区域的自动识别（F1分数>93.03%），为水果品质控制提供了高效工具。