来源：期刊VIP网 时间：
作者：刘诚;赵路路;周松斌;刘忆森;王庭有;
单位：昆明理工大学机电工程学院;广东省科学院智能制造研究所;
摘要：陈皮具有较好的经济价值与药用价值，但目前市场上假冒伪劣、以次充好的现象严重。尤其是陈皮陈化年份作为衡量陈皮品质的重要指标，采用人工检测方法准确率与效率较低。为此，本文采用高光谱成像技术结合深度学习方法，建立陈皮陈化年份的快速无损鉴别方法。采集4类不同陈化年份的480个陈皮样本的近红外高光谱数据（波长范围为935.61～1720.23 nm），并采用轻量化卷积网络1D-Rep网络建立分类模型。在此网络基础上，提出基于多层梯度加权类激活映射（M-Grad-CAM）的特征波段选择方法，并建立特征波段分类模型。该方法综合加权多个Rep-block层的梯度生成波段重要性曲线，从而实现融合波段领域相关性与远程相关性的波段重要性指示。为验证方法有效性，采用基于偏最小二乘判别分析（PLS-DA）、随机森林（RF）、支持向量机（SVM）等机器学习方法获得的特征波段作为对比方法。结果表明，1D-Rep全波段光谱模型准确率达到98.55%。在特征波段建模的情况下，采用M-Grad-CAM选取特征波长，基于前9个特征波段建立分类模型准确率可超过90%，在20个特征波段时达到96.82%，准确率显著优于其他对比模型。本研究采用高光谱成像技术，可有效对不同年份的陈皮进行无损鉴别，并为开发便携检测仪器提供方法和理论依据。
关键词：高光谱成像;;陈皮;;陈化年份;;多层梯度加权类激活映射;;特征波段
基金资助：国家自然科学基金（62275056）
