近日，山东农业大学机械与电子工程学院宋月鹏教授团队在《Agriculture-Basel》发表了题为“A study on hyperspectral apple bruise area prediction based on spectral imaging”的研究论文，张悦博士为该论文的第一作者，宋月鹏教授为通讯作者。
苹果在采摘、包装、运输等过程中极易发生损伤，而损伤面积是果品品质与等级评定的重要指标之一。苹果轻微机械损伤由于表面轻微凹陷、损伤面积小、无汁液外溢，传统机器视觉技术对损伤的识别精度较低，影响了苹果品质分级的准确性和效率。基于此，本文提出了一种高光谱结合机器学习的苹果轻微损伤面积快速准确预测方法，为果品分级提供关键理论支持。
通过收集苹果波长范围在376~1011 nm的高光谱数据，采用三种波长选择方法（竞争自适应重加权采样、L1参数法和Pearson相关系数法），对光谱数据进行波长选择，大大提高了运算效率。分别建立了三种机器学习预测模型（偏最小二乘法、人工神经网络和支持向量机）并对其性能进行了比较，结果表明CARS-ANN模型性能最优。进一步利用麻雀优化算法（SSA）对CARS-ANN模型进行优化，提高了预测准确率。通过将苹果损伤面积的拟合曲面与预测模型相结合，揭示了光谱信息、瘀伤面积、损伤时间和损伤程度之间的内在关联机制，从而实现了对苹果轻微机械损伤面积的快速准确预测。
研究结果可为光谱成像技术在农产品无损检测领域的应用提供了新的思路和方法，有望在果品品质评定、分级和农产品质量控制、追溯等方面发挥重要作用。
该研究得到了国家重点研发计划项目、山东省果品产业体系岗位专家专项等多个项目的资助。
论文链接：https://doi.org/10.3390/agriculture13040819
编 辑：万 千
审 核：贾 波
