主权项: |
1.一种基于水果双层平板模型的光子传输模拟的水果高光谱品质检测方法,其特征在于它包括以下步骤: (1)构建水果双层平板模型; (2)基于蒙特卡洛方法进行光子传输模拟获得光亮度分布图; (3)将光亮度分布图输入到预调好的卷积神经网络中进行卷积以及反卷积; (4)分析卷积与反卷积结果,得到源探距离; (5)使用该源探距离对水果进行品质检测。 2.根据权利要求1所述的方法,其特征在于步骤(2)中,基于蒙特卡洛方法对双层平板模型进行光子传输模拟,具体步骤是: (2.1)光子初始化; (2.2)计算光子运动方向和步长,同时进行越界判断(2.3); (2.3)越界判断,越界则进行步骤(2.4b),否则进行步骤(2.4a); (2.4a)光子吸收与散射计算,转入步骤(2.5); (2.4b)光子折射、反射计算,转入步骤(2.5); (2.5)判断光子权值是否过小,是则进行步骤(2.6),否则返回步骤(2.2); (2.6)判断光子是否存亡,是则进行步骤(2.7),否则返回步骤(2.2); (2.7)判断是否为最后一个光子,是则结束,否则返回步骤(2.1); (2.8)取大量光子和不同光学参数组合重复步骤(2),获得水果双层平板模型的无噪声光亮度分布图。 3.根据权利要求1所述的方法,其特征在于步骤(1)中,双层平板模型为平行的两个板,两个板之间表示果皮,两个板之间距离即果皮厚度记为d1,果肉厚度记为d2=∞mm;第一个板即果皮的吸收系数记为μa1,果皮的散射系数记为μs1;第二个板即果肉的吸收系数记为μa2,果肉的散射系数记为μs2。 4.根据权利要求3所述的方法,其特征在于步骤(3)中,将得到的光亮度分布图输入到训练好的神经网络,具体是: i果皮吸收系数μa1分为5类,果肉吸收系数μa2分为4类,果皮散射系数μs1分为5类,果肉散射系数μs2分为5类,各取中间值进行组合获得500组光学参数组合; ii在双层平板模型上进行蒙特卡洛模拟,得到8000张表面光强分布图,抽取其中6000张作为训练集,2000张作为测试子集使用卷积神经网络进行训练。 5.根据权利要求4所述的方法,其特征在于步骤(4)中,使用反向传播算法对卷积神经网络进行微调,训练1000次,直到网络收敛;在所有数据中随机抽取500条,进行卷积和反卷积的操作,保存反卷积计算后的结果;相邻的图片进行相减;逐点统计绝对差值大于0.001的个数,最终确定源探距离。 6.根据权利要求4所述的方法,其特征在于卷积神经网络结构包括: 第一层输入层,使用30个2*2大小的卷积对图像进行卷积,卷积核移动步长为1,卷积方式采用valid,初始学习率0.07,批次大小50,总迭代次数2000次; 第二层池化层,采用2*2平均池化; 第三层使用20个3*3大小的卷积核,卷积核移动步长为1; 第四层使用20个3*3大小的卷积核,卷积核移动步长为1,不进行池化操作; 第五层使用15个2*2卷积核对输入数据进行卷积; 全连接层将第六层网络的输出拉成一维向量,输出数据大小为60*1; 第七层为网络输出层。 7.根据权利要求1所述的方法,其特征在于所述水果为果肉厚的核果类水果。 8.根据权利要求7所述的方法,其特征在于所述水果为苹果或梨。 9.根据权利要求4所述的方法,其特征在于所述水果为苹果时,步骤(2)i中,果皮吸收系数μa1取:0.7,1.55,1.85,2.25,4.5,果肉吸收系数μa2:0.5,1.15,1.45,5,果皮散射系数μs1:30,67.5,82.5,100,190,果肉散射系数μs2:12,25.5,29,34,56,单位:mm-1。 |