来源：期刊VIP网 时间：
作者：于琦龙;赵晓东;籍宇;王春荣;孙尧;
单位：河北机电职业技术学院;河北科技大学;河北农业大学;
摘要：[目的]提高苹果早期变质区的检测准确率。[方法]基于生成对抗网络和卷积神经网络技术的苹果变质区检测方法。利用Pix2PixHD模型生成包含采后早期变质区的贮藏苹果的近红外成像数据；使用Mask R-CNN模型对生成的近红外图像进行分割，以检测苹果中的变质区；在具有人工智能功能的低成本嵌入式系统上，利用生成的近红外成像数据，实施基于生成对抗网络和卷积神经网络技术的采后苹果的早期变质区域分割和预测。[结果]该方法对收获后苹果的早期变质检测平均准确率比其他9种方法高1.825%～10.435%;Pix2PixHD能以17帧/s的速度从RGB图像生成了可视近红外图像，Mask R-CNN能够以4.2帧/s的速度对苹果图像中的变质区域进行分割。[结论]研究提出的方法有望促进低成本食品质量控制器的开发。
关键词：苹果;;早期变质检测;;生成对抗网络;;卷积神经网络;;图像转换
基金资助：河北省高等学校科学技术研究项目(编号：ZD2019123);; 邢台市科技计划自筹经费项目(编号：2023ZC013)
