[發(fā)明專利]一種基于卷積神經網絡的柑橘糖度無損檢測方法

在審

• 申請?zhí)枺?/td>: 202010344505.5
• 申請日: 2020-04-27
• 公開（公告）號: CN111474137A
• 公開（公告）日: 2020-07-31
• 發(fā)明（設計）人: 張程偉
• 申請（專利權）人: 無錫雪浪數(shù)制科技有限公司
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N21/3563;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 聶啟新

本發(fā)明提供了一種基于卷積神經網絡的柑橘糖度無損檢測方法，其預處理步驟簡單，可滿足柑橘糖度無損快速檢測的要求，其包括以下步驟：選取柑橘，獲取原始光譜數(shù)據，獲取實際糖度數(shù)據，建立卷積神經網絡模型，采用數(shù)據預處理方法對數(shù)據進行預處理，訓練集光譜預處理數(shù)據、訓練集實際糖度預處理數(shù)據作為卷積神經網絡模型的訓練輸入，進行訓練，模型效果判斷，獲得驗證集預測糖度數(shù)據與驗證集實際糖度之間的誤差，根據誤差對模型進行訓練，直至模型建立完成，采用上述建立的卷積神經網絡模型對柑橘糖度進行預測。

技術領域

本發(fā)明屬于食品檢測技術領域，具體為一種基于卷積神經網絡的柑橘糖度無損檢測方法。

背景技術

隨著我國經濟的快速發(fā)展和生活水平提高，水果消費量大大增加，同時，消費者對水果品質例如糖度指標有更高的要求。傳統(tǒng)的水果糖度檢測方式為人工判別，其主要采用的檢測設備為糖度儀，這種方式需在水果表面切取樣本放置于糖度儀上，這不僅破壞水果表面，而且需人工讀取數(shù)值，費事費力，無法滿足柑橘糖度批量檢測及在線實時檢測的要求。

隨著光譜檢測技術以及機器學習方法的日益成熟，機器學習方法已在光譜數(shù)據分析中找到了許多應用，特別是在水果糖度預測方面的應用，其不僅可以解決人工判別水果糖度主觀費時的問題，而且可結合控制系統(tǒng)，滿足在線實時檢測的無損檢測要求，但是，現(xiàn)有的這些方法都需要配合復雜的光譜數(shù)據預處理過程才能實現(xiàn)其作用。

例如，現(xiàn)有的專利名稱為一種快速無損檢測蘋果的品種、糖度和酸度的方法，專利號為CN106769970A的專利，其通過主成分分析方法對預處理過的蘋果光譜數(shù)據進行降維處理，并用遺傳算法進行優(yōu)化，最后通過BP神經網絡方法進行分類，通過多次驗證，最終確定最佳的預測模型，整個預處理和建模過程需高度定制，預處理步驟復雜，導致方案的通用性較差，且現(xiàn)有的基于神經網絡方法的糖度預測研究主要是針對蘋果、西瓜等表面光滑水果，而可應用于柑橘水果的糖度預測研究較為缺乏，因此，發(fā)明一種可實現(xiàn)柑橘糖度的無損快速檢測方法成為本領域人員亟待解決的問題。

發(fā)明內容

針對現(xiàn)有技術中存在的用于糖度預測方法中的預處理步驟復雜，整個預處理和建模過程需要高度定制，通用性較差的問題，本發(fā)明提供了一種基于卷積神經網絡的柑橘糖度無損檢測方法，其無需高度定制預處理算法，預處理步驟簡單，可滿足柑橘糖度無損快速檢測的要求。

一種基于卷積神經網絡的柑橘糖度無損檢測方法，其特征在于，其包括以下步驟：

S1、選取柑橘，組成柑橘樣本，將柑橘樣本分為訓練集和驗證集；

S2、采用近紅外光譜儀對所述訓練集、驗證集進行光譜采集，得到原始光譜數(shù)據，所述原始光譜數(shù)據包括訓練集原始光譜數(shù)據和驗證集原始光譜數(shù)據；

S3、采用電子糖度計測量所述訓練集、驗證集中的柑橘樣本的糖度，獲得實際糖度數(shù)據，所述實際糖度數(shù)據包括訓練集實際糖度、驗證集實際糖度；

S4、建立卷積神經網絡模型，具體包括以下建模步驟：

S41、采用數(shù)據預處理方法對所述訓練集原始光譜數(shù)據、驗證集原始光譜數(shù)據、訓練集實際糖度、驗證集實際糖度進行預處理，獲得訓練集光譜預處理數(shù)據、訓練集實際糖度預處理數(shù)據、驗證集光譜預處理數(shù)據、驗證集實際糖度預處理數(shù)據，其中，所述數(shù)據預處理方法包括數(shù)據正則化；

S42、所述訓練集光譜預處理數(shù)據、訓練集實際糖度預處理數(shù)據作為卷積神經網絡模型的訓練輸入，被饋送至高斯噪聲層，再依次經重塑層、第一卷積層、激活函數(shù)、第二卷積層、激活函數(shù)、壓平、Dropout、第一全鏈接層、激活函數(shù)、第二全鏈接層迭代后，建立卷積神經網絡模型；

S5、模型效果判斷，將所述驗證集光譜預處理數(shù)據作為所述卷積神經網絡模型的輸入進行糖度預測，并輸出驗證集預測糖度數(shù)據；