-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多光学特性参数融合的苹果可溶性固形物含量与早期碰伤协同检测方法
《Journal of Food Measurement and Characterization》：A method for synergistic detection of apple SSC and early-stage bruises based on multi-optical property parameter fusion
【字体： 大 中 小 】 时间：2026年09月11日 来源：Journal of Food Measurement and Characterization 3.6
编辑推荐：
摘要本文开发了一种近红外空间频域成像（NIR-SFDI）系统，用于同时无损检测苹果的内部可溶性固形物含量（SSC）和外部早期瘀伤。提出了一种物理引导的多光学特性特征构建与融合策略。采用三相位解调技术和蒙特卡洛查找表（MC-LUT）方法，在1150 nm处及整个相机波段范围内获
本文开发了一种近红外空间频域成像（NIR-SFDI）系统，用于同时无损检测苹果的内部可溶性固形物含量（SSC）和外部早期瘀伤。提出了一种物理引导的多光学特性特征构建与融合策略。采用三相位解调技术和蒙特卡洛查找表（MC-LUT）方法，在1150 nm处及整个相机波段范围内获取了吸收系数（\(\:{\mu\:}_{a}\)）和约化散射系数（\(\:{\mu\:}_{s}^{{\prime\:}}\)）。基于已建立的解析光学关系，进一步计算了有效衰减系数、输运平均自由程和单次散射反照率等衍生参数。在SSC定量分析方面，将反演得到的基础光学特性和解析衍生的参数拼接为低维特征向量，并对比了PLSR、SVR、RF、浅层MLP和1D-CNN等模型的预测性能。采用<（\(\:{\mu\:}_{a}\)）与衍生参数相结合的浅层MLP模型取得了最佳预测性能，相关系数（R）为0.8708，表明多参数特征融合对SSC预测具有显著优势。在早期瘀伤检测方面，分析了近红外光学特性对组织损伤的响应，并将反照率图作为YOLOv11n模型的输入，以减少果实曲率、入射角变化和中心过曝的影响。基于反照率的YOLOv11n模型在测试集上mAP@0.5达到0.9950，相比基于（\(\:{\mu\:}_{s}^{{\prime\:}}\)）的模型（0.9629）提升了3.3%。结果表明，所提出的物理引导光学特征构建与融合方法提高了SSC预测性能，增强了边缘区域早期瘀伤检测的稳定性，为苹果在线集成质量检测提供了潜在的框架。
本文开发了一种近红外空间频域成像（NIR-SFDI）系统，用于同时无损检测苹果的内部可溶性固形物含量（SSC）和外部早期瘀伤。提出了一种物理引导的多光学特性特征构建与融合策略。采用三相位解调技术和蒙特卡洛查找表（MC-LUT）方法，在1150 nm处及整个相机波段范围内获取了吸收系数（\(\:{\mu\:}_{a}\)）和约化散射系数（\(\:{\mu\:}_{s}^{{\prime\:}}\)）。基于已建立的解析光学关系，进一步计算了有效衰减系数、输运平均自由程和单次散射反照率等衍生参数。在SSC定量分析方面，将反演得到的基础光学特性和解析衍生的参数拼接为低维特征向量，并对比了PLSR、SVR、RF、浅层MLP和1D-CNN等模型的预测性能。采用（\(\:{\mu\:}_{a}\)）与衍生参数相结合的浅层MLP模型取得了最佳预测性能，相关系数（R）为0.8708，表明多参数特征融合对SSC预测具有显著优势。在早期瘀伤检测方面，分析了近红外光学特性对组织损伤的响应，并将反照率图作为YOLOv11n模型的输入，以减少果实曲率、入射角变化和中心过曝的影响。基于反照率的YOLOv11n模型在测试集上mAP@0.5达到0.9950，相比基于（\(\:{\mu\:}_{s}^{{\prime\:}}\)）的模型（0.9629）提升了3.3%。结果表明，所提出的物理引导光学特征构建与融合方法提高了SSC预测性能，增强了边缘区域早期瘀伤检测的稳定性，为苹果在线集成质量检测提供了潜在的框架。
