换一批
换一批融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测
Detection of Mild Moldy-Core Disease in Apples by Fusing Acoustic-Vibration Signals and Visible-Near-Infrared Transmission Spectroscopy
摘要针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力.针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段的选择.针对声振信号,利用YSV工程测试与信号分析软件和Pearson相关系数优选7个时域特征.随后,通过特征拼接将光谱特征波段与时域特征组成融合特征向量,分别采用卷积神经网络(convolutional neural networks,CNN)、长短时记忆网络(long short-term memory,LSTM)和CNN-LSTM基于单一源特征和融合特征构建判别模型.通过模型性能分析,融合了近红外透射光谱15个特征波段与7个时域特征的CNN-LSTM组合模型对于轻度霉心病的判别性能最优,测试集的准确率、召回率、特异性和F1分数分别达到了98.31％、97.06％、97.06％和97.90％.实验结果证明本研究提出的可见近红外透射光谱与声振信号特征融合方法可以有效提高苹果轻度霉心病的判别准确率.
更多相关知识
关键词
可见近红外透射光谱声振信号苹果霉心病特征融合卷积神经网络-长短时记忆网络visible-near-infrared transmission spectroscopyacoustic-vibration signalsapple moldy-core diseasefeature fusionconvolutional neural networks-long short-term memory
分类号
TS207.7
栏目名称
安全检测
DOI
10.7506/spkx1002-6630-20240510-066
发布时间
2024-12-18
基金项目
新疆维吾尔自治区自然科学基金
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
