农业机械学报

作者：李禧龙，韩亚芬，潘宇轩，吕黄珍，王飞云，吕程序

单位：中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

关键词：马铃薯黑心病;近红外光谱;残差神经网络;光谱数据二维化

基金：财政部和农业农村部：国家现代农业产业技术体系项目(CARS-10)和北京市科学技术协会青年人才托举工程项目(BYESS2023431)

马铃薯在存储过程中，极易产生黑心病等内部缺陷，严重影响市场价值和食品安全。探索深度学习用于挖掘马铃薯黑心病光谱数据深层特征，将近红外光谱数据二维化，基于残差神经网络（Residual neural network，ResNet），引入卷积注意力模块（Convolutional block attention module，CBAM)增强特征，加入阈值处理模块去除噪声，实现了马铃薯黑心病的快速无损检测。探索适用于马铃薯黑心病检测的光谱二维化方法，通过对比格拉米角场（Gramian angular field，GAF）、马尔可夫转移场（Markov transition field，MTF）、递归图（Recurrence plot，RP）和波长顺序转换4种方法，发现GAF、MTF和RP这3种方法与波长顺序转换相比效果更好，经过MTF处理后建模效果最佳，训练集准确率达到99.60%。通过比较不同模型性能，发现改进ResNet模型测试集准确率为97?65%，比偏最小二乘判别分析（Partial least squares discriminant analysis，PLS-DA）、支持向量机（Support vector machines，SVM）、MobileNet、ResNet分别提高5.89、7.07、3.53、2.36个百分点，MobileNet、ResNet和改进ResNet神经网络模型建模效果优于传统化学计量学方法PLS-DA和SVM。

来源：2024年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第12期