引用格式
李东博, 黄铝文, 赵旭博. 基于介电特征的苹果霉心病检测方法[J]. 智慧农业(中英文), 2021, 3 (4): 66-76.
LI Dongbo, HUANG Lyuwen, ZHAO Xubo. Detection method of apple mould core based on dielectric characteristics[J]. Smart Agriculture, 2021, 3 (4): 66-76.
点击直达知网阅读
点击直达官网阅读（全文免费）
基于介电特征的苹果霉心病检测方法
李东博 1，黄铝文 1，2，3*，赵旭博 4
（1. 西北农林科技大学 信息工程学院，陕西杨凌 712100；2. 农业农村部农业物联网重点实验室，陕西杨凌 712100；3. 陕西省农业信息感知与智能服务重点实验室，陕西杨凌 712100；4. 西北农林科技大学 食品科学与工程学院，陕西杨凌 712100）
摘 要：针对苹果霉心病无法有效根据外表进行识别，且传统检测方法具有设备复杂、成本高昂等问题， 本研究通过采集苹果介电参数构建苹果霉心病检测模型，从而实现简单快速的苹果霉心病无损检测。基于 LCR 测量仪采集 220 个苹果的 108 项介电指标 （9 个频率下的 12 项介电指标） 作为原始参数，使用数据标准 化、主成分分析算法等对数据进行预处理，并利用 BP 神经网络、支持向量机、随机森林算法构建霉心病果 检测模型。试验结果表明，基于随机森林算法构建的霉心病果检测模型性能最佳，在 150 个苹果构建的训练 集和 70 个苹果构建的测试集中分类准确率分别达到 96.66% 和 95.71%；基于采用 BP 神经网络构建的霉心病果检测模型效果次之，分类准确率分别可达到94.66% 和 94.29%；基于使用支持向量机构建的模型检测效果相对较差，分类准确率分别为 93.33% 和 91.43%。试验结果表明，使用随机森林构建的模型可以更有效地识别霉心病果和好果。本研究可为苹果病虫害及苹果品质无损检测等提供参考。
关键词：苹果霉心病；介电特征；随机森林；BP 神经网络；支持向量机
文章图片
图 1 苹果介电参数采集系统
Fig. 1 Acquisition system of apple dielectric parameter
图 2 不同频率下复阻抗分布趋势
Fig. 2 Distribution trend of complex impedance at different frequencies
图 3 相同频率下不同介电指标分布趋势
Fig. 3 Distribution trend of different dielectric indices at the same frequency
图 4 介电参数标准化前后数据分布对比
Fig. 4 Distribution comparison of dielectric parameters before and after standardization
图 5 PCA 各主成分贡献率占比
Fig. 5 PCA contribution ratio of principal components
图 6 RF 森林规模及树深度对分类效果的影响
Fig. 6 Effects of forest size and tree depth on the classification of random forest
图 7 随机森林十折交叉验证分类准确率
Fig.7 Ten-fold cross validation classification accuracy of random forest
通信作者简介
黄铝文 副教授
黄铝文博士、副教授、硕士研究生导师、IEEE会员、中国CCF数字农业专委执委、中国CCF计算机应用理事、陕西省CCF理事、陕西省图象图形学会理事、陕西省大数据与云计算产业技术创新战略联盟理事。研究方向为无损检测原理及装置。主持农业部、财政部重大农技推广专项，科技部重点研发子课题，以及省级重大科研子项等项目10多项，发表论文20多篇。
来源：《智慧农业（中英文）》2021年第4期
转载请联系编辑部授权
本期支持单位
京蓝云智物联网技术有限公司
浙江臻善科技股份有限公司
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动的宣传推广