近日，工學(xué)院機器視覺與人工智能（MV&AI）實驗室在農(nóng)林科學(xué)領(lǐng)域二區(qū)TOP期刊《Food Bioscience》(IF=5.9)發(fā)表了題為“Differentiation of jujube varieties using dual-hyperspectral imaging: A deep learning method based on convolutional neural network and bidirectional gated recurrent unit”的研究論文，介紹了在高光譜無損檢測與深度學(xué)習(xí)領(lǐng)域取得的新成果。
紅棗品種間差異決定了其營養(yǎng)價值與經(jīng)濟效益，建立一種高效、精準(zhǔn)且非破壞性的品種分類模型，對于規(guī)范市場標(biāo)準(zhǔn)、防范商業(yè)欺詐以及保障消費者權(quán)益具有至關(guān)重要的意義。
本研究提出了一種創(chuàng)新性的融合可見光近紅外（VNIR）與短波紅外（SWIR）高光譜數(shù)據(jù)的深度學(xué)習(xí)分類框架。研究團隊引入了二維相關(guān)光譜（2D-COS）與競爭性自適應(yīng)加權(quán)采樣（CARS）算法，精準(zhǔn)解析并提取了關(guān)鍵特征波段。在此基礎(chǔ)上，構(gòu)建了基于特征級數(shù)據(jù)融合的PSO-CNN-BiGRU模型。實驗表明，該模型通過整合VNIR和SWIR的互補信息，有效克服了單一數(shù)據(jù)源信息量不足的瓶頸，最終實現(xiàn)了98.26%的分類準(zhǔn)確率。這一結(jié)果證實了多源光譜融合技術(shù)結(jié)合改進深度學(xué)習(xí)算法在農(nóng)產(chǎn)品檢測中的顯著優(yōu)越性。
該研究不僅為高價值農(nóng)作物的無損檢測與精細分類提供了強有力的技術(shù)參考，也為利用高光譜技術(shù)與深度學(xué)習(xí)實現(xiàn)農(nóng)產(chǎn)品全生命周期的可追溯性奠定了堅實基礎(chǔ)。
工學(xué)院博士研究生劉全程為論文第一作者，于春戰(zhàn)副教授和閆磊教授為共同通訊作者。北京林業(yè)大學(xué)綠色發(fā)展與中國農(nóng)村土地問題研究中心李澤媛博士和北京安州科技有限公司參與了相關(guān)合作研究。本研究得到了北京林業(yè)大學(xué)工學(xué)院研究生創(chuàng)新基金A類項目等經(jīng)費的資助。
原文鏈接：https://doi.org/10.1016/j.fbio.2025.107441
