基于高光谱成像的绿皮马铃薯检测方法

　　本研究应用400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。

　　随着我国马铃薯主粮化战略的推进，马铃薯相关产业链得到了迅速发展，马铃薯品质问题也成为关注的热点问题。但绿皮、机械损伤等缺陷马铃薯严重影响了马铃薯的整体品量，尤其是绿皮马铃薯外形复杂、缺陷不易识别更增加了检测难度。同时绿皮马铃薯龙葵素含量若超出了食用标准，食用后会导致食物中毒而造成食品安全问题。因此，研究快速无损的绿皮马铃薯检测方法对马铃薯深加工和延长产业链具有重要意义。

　　高光谱成像技术具有波段范围广，且能同时获取被测样本对应波段范围内的图像和光谱信息的优势，因此在农产品快速无损检测中得到广泛应用。针对任意放置姿态下且轻微绿皮马铃薯不易识别的问题，本文分别采用半透射与反射高光谱成像技术进行比较分析，并确定不同高光谱成像方式下的模型识别精度。采集马铃薯样本任意放置姿态下的半透射高光谱和反射高光谱图像，分别建立基于图像信息与光谱信息的检测模型，比较不同模型识别率。进一步建立图像和光谱融合或不同成像方式融合模型提高模型性能，最终确定最优模型。

　　（1）比较了不同高光谱成像方式的图像信息识别模型的精度。采用半透射图像信息建立的等距映射结合深度信念网络模型识别率最高仅达到78.67%；采用反射图像信息建立的最大方差展开结合深度信念网络模型识别率最高仅达到77. 33%。结果表明，采用单一图像信息对轻微绿皮马铃薯检测的精度不高。

　　（2）比较了不同高光谱成像方式的光谱信息识别模型的精度。采用半透射光谱信息建立的局部切空间排列结合深度信念网络模型识别率最高为93.33%；采用反射光谱信息建立的局部切空间排列结合深度信念网络模型识别率最高为90. 67%。结果表明，采用单一光谱信息对轻微绿皮马铃薯检测是可行的，但识别率有待进一步提高。

　　（3）比较了3种多源信息融合方式对识别精度的影响。半透射图像和半透射光谱、反射图像和反射光谱、半透射光谱和反射光谱3种融合模型精度较单一图像或者光谱模型均有提高，且半透射光谱和反射光谱的深度信念网络融合模型最优，对校正集和测试集识别率均达到100%。结果表明，半透射光谱和反射光谱的融合模型可实现轻微绿皮马铃薯的无损检测。