结合转移学习和高光谱成像来识别不同类型的伤中梨子的伤
Dayang Liu1, Huiting Zhang1, Feng Lv1
1College of Computer and Control Engineering，Northeast Forestry University, Harbin, Heilongjiang, China.
Journal of food science
|April 1, 2024
概括
检测不同类型的梨伤在质量方面至关重要. 超光谱成像与转移学习方法相结合,如MEDA和TCA-SVM,显示出准确,具有成本效益的对梨的机械损伤的现场检测有希望.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 图像处理 图像处理
背景情况:
- 机械伤显著影响梨的质量,影响收获后的处理,储存和销售能力.
- 早期发现微妙的伤是具有挑战性的,但对于防止损坏和经济损失至关重要.
研究的目的:
- 开发和评估转移学习方法,通过使用高光谱成像来快速检测不同类型的梨伤.
- 将多重嵌入式分布对齐 (MEDA) 和转移组件分析 (TCA) 的有效性与基线支向量机 (SVM) 模型进行比较.
主要方法:
- 采用高光谱成像来捕获带有冲击和压伤的梨的光谱数据.
- 定义了两个转移学习任务:撞击伤到压伤和压伤到撞伤.
- 应用了MEDA和TCA,SVM作为绩效比较的基准.
主要成果:
- 对于撞击到压碎的伤检测,MEDA的准确度达到93.33%,对于压碎到撞击的伤检测,准确度达到88.89%.
- 对于各自的任务,TCA-SVM模型的准确度达到91.11%和85.19%.
- 这两种转移学习方法的表现明显优于基线SVM模型 (84.44%和77.04%的准确性).
结论:
- 转移学习方法有效地使得在不同类型的伤中检测到梨伤.
- 超光谱成像与转移学习相结合,为水果伤的现场检测提供了一个有希望的,高效和具有成本效益的解决方案.
