马铃薯品质鉴别的近红外光谱与多源信息耦合

李学军 程 红

(1.四川大学锦城学院，四川 成都 611731；2.成都理工大学管理科学学院，四川 成都 610059)

随着机器视觉以及红外光谱技术的日益成熟，其被应用于农作物品质鉴定中。以马铃薯为例，通过这些技术的应用，获取果实的形状、尺寸、损伤、状态，以及各种成分含量等方面的数据和信息，从而反映果实的品质。赵利平等[1]融合小波算法与模糊算法，提出了一种苹果分级方法，该方法针对特定类型损伤具有较高的识别率。王立扬等[2]设计了一种自动分级方法，在LeNet-5t基础上，利用Leakerel激励函数加深网络深度，结果表明该算法准确率达97.37%。樊泽泽等[3]利用卷积神经网络提取多尺度特征，设计了一种基于颜色和果径的水果检测和分级算法，仿真表明，该方法的识别准确率达96.6%以上。目前，农产品识别鉴定研究主要集中在单一特征分类识别，只对某类特征具有较高的识别率，存在识别程序复杂、效率低的缺点[4-7]，同时，机器视觉技术的检测指标不够多样化，不能准确地反映果实表面和内部的质量等，近红光光谱则仅具备果实内部分级检测的功能[8-10]。

文章拟以马铃薯为例，基于多源信息融合技术搭建农产品无损检测分级模型。基于DS证据理论的指导，并结合分级模型概率输出，形成马铃薯无损检测分级决策模型；有关特征层的融合，通过主成分分析方法，将特征结合起来，比较分析多种方法对模型性能的影响，选择最合适的方法。此外，对决策层和特征层融合模型予以对比，提出多源信息融合技术定性分析农产品内外部品质的最优融合方法，以提高整体识别率。……