农业机械学报

作者：陈俊杰，朱文杰，赵泽华，李佳琪，王庆艳，黄文倩

单位：江苏大学;北京市农林科学院,江苏大学;北京市农林科学院,北京市农林科学院,北京市农林科学院,北京市农林科学院;国家农业智能装备工程技术研究中心,北京市农林科学院;国家农业智能装备工程技术研究中心,

关键词：无损检测;红肉蜜柚;枯水病;一维卷积神经网络;近红外光谱

基金：国家重点研发计划项目（2022YFD2002202）和国家西甜瓜产业技术体系项目（CARS-25-2024-G23）

枯水病是蜜柚采后的常见病害，枯水病出现时会影响蜜柚果实口感，甚至使其失去食用价值。作为一种大型厚皮水果，难以通过肉眼及果实外表判断蜜柚内部是否存在枯水病害。本研究基于近红外透射光谱检测方法结合一维卷积神经网络（One-dimensional convolutional neural networks, 1D-CNN）建立蜜柚枯水病快速无损检测模型。采用实验室自主研发的可见-近红外全透射光谱测量系统，以红肉蜜柚为研究对象，采用短积分模式采集样本的近红外透射光谱波长范围（562.03~1110.16nm）数据进行分析，在没有光谱数据预处理情况下采用Kennard-Stones算法将样本划分训练集和测试集，随后建立一维卷积神经网络蜜柚枯水判别模型，经测试，模型对于枯水程度分类准确率达到98.15%。与采用原始光谱数据与经多项式平滑处理（Savitzky-Golay, SG）和使用竞争性自适应重加权算法（Competitive adapative reweighted sampling, CARS）筛选特征变量后的反向传播神经网络（Backpropagation neural network, BPNN）、核极限学习机（Kernel extreme learning machine, K-ELM）、极限梯度提升树（Extreme gradient boosting, XGBoost）等传统判别模型的判别结果进行对比，最后使用数据增强方法对原始光谱数据进行扩充，以验证卷积神经网络模型稳定性。结果表明，本文提出的卷积神经网络模型在不使用复杂预处理以及特征筛选方法的情况下，对蜜柚内部枯水以及枯水程度的判别效果最佳，且能够在光谱处理过程选择有效信息，极大地提升了模型判别效率，对实现蜜柚内部枯水程度快速、准确地无损判别具有借鉴意义。

来源：2025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2025年第12期