近日，山東農業大學機械與電子工程學院宋月鵬教授團隊在《Agriculture-Basel》發表了題為“A study on hyperspectral apple bruise area prediction based on spectral imaging”的研究論文，張悅博士為該論文的第一作者，宋月鵬教授為通訊作者。

蘋果在采摘、包裝、運輸等過程中極易發生損傷，而損傷面積是果品品質與等級評定的重要指標之一。蘋果輕微機械損傷由于表面輕微凹陷、損傷面積小、無汁液外溢，傳統機器視覺技術對損傷的識別精度較低，影響了蘋果品質分級的準確性和效率。基于此，本文提出了一種高光譜結合機器學習的蘋果輕微損傷面積快速準確預測方法，為果品分級提供關鍵理論支持。

通過收集蘋果波長范圍在376~1011 nm的高光譜數據，采用三種波長選擇方法（競爭自適應重加權采樣、L1參數法和Pearson相關系數法），對光譜數據進行波長選擇，大大提高了運算效率。分別建立了三種機器學習預測模型（偏最小二乘法、人工神經網絡和支持向量機）并對其性能進行了比較，結果表明CARS-ANN模型性能最優。進一步利用麻雀優化算法（SSA）對CARS-ANN模型進行優化，提高了預測準確率。通過將蘋果損傷面積的擬合曲面與預測模型相結合，揭示了光譜信息、瘀傷面積、損傷時間和損傷程度之間的內在關聯機制，從而實現了對蘋果輕微機械損傷面積的快速準確預測。

研究結果可為光譜成像技術在農產品無損檢測領域的應用提供了新的思路和方法，有望在果品品質評定、分級和農產品質量控制、追溯等方面發揮重要作用。

該研究得到了國家重點研發計劃項目、山東省果品產業體系崗位專家專項等多個項目的資助。

論文鏈接：https://doi.org/10.3390/agriculture13040819

編      輯：萬    千 

審      核：賈    波