基于脉冲神经网络的水果内部品质检测方法

本发明属于深度学领域以及光谱分析领域，涉及一种水果内部品质检测方法，具体涉及一种基于脉冲神经网络的红外漫反射水果内部品质检测方法。

背景技术：

1、水果品质检测是对水果的各项物理、化学、微生物及营养价值等方面进行系统性评估的过程，旨在确保水果产品的安全、质量和食用价值。水果品质检测分为外部检测和内部检测，水果内部检测常采用高光谱成像技术、超声波检测、磁共振成像和近红外光谱分析。近年来，近红外光谱技术作为一种无损检测方法受到了广泛关注。

2、近红外光谱分析利用近红外光照射水果表面进行，测量其反射或透射光谱。不同水果成分如糖分、酸度、水分、脂肪、蛋白质等，在近红外波段具有特定的吸收特性，通过对光谱数据进行分析，可以快速无损地推算出水果内部的化学组成和成熟度。得到的光谱数据大致分为两种：光谱图和红外漫反射光电压。前者需要使用专用的光谱仪，其体积大、成本高，限制了其在快速、低成本、高效检测方面的应用。利用红外漫反射光电压进行光谱分析能实现低成本、快速内部品质检测。

3、现有的水果内部品质检测方法是通过led光源发出稳定定量的光，照射进水果内部，经过漫反射到达光电二极管；光谱检测模块获取到实际有效的电压值输入到核心处理器模块；核心处理器模块接受光谱检测模块得到的电压值，根据电压计算出对应的光强值；结合判别模型，给出水果的内部品质信息，并给综合口感评价结果。该方法具有无损、速度快、效率高、成本低、重复性好、无需进行样品预处理的优点。但因为现有技术的判别模型为多元线性回归模型，导致模型拟合能力较弱，同时线性回归模型对于电压值不稳定时预测容易出现偏差，抗干扰能力弱。

4、脉冲神经网络是一种基于生物神经元工作原理构建的计算模型，其基本功能包括以脉冲形式编码和传递信息、展示动态网络行为、实现能量高效的事件驱动计算，以及通过学习规则适应输入数据，相对于多元线性回归模型具有更好的拟合能力。脉冲神经网络利用时序信息对输入脉冲序列进行多个时间步长的累加，神经元只有在膜电位超过阈值时才会发放脉冲，脉冲神经网络的行为是高度动态和非线性的，对于电压信号具有更强的抗干扰能力和鲁棒性，为提高检测精度提供了一种可能。

技术实现思路

1、针对上述现有技术的不足，本发明提出了一种基于脉冲神经网络的水果内部品质检测的方法，用于解决现有技术中存在的检测精度较低的技术问题。

2、为实现上述目的，本发明采取的技术方案包括如下步骤：

3、(1)获取训练样本集和测试样本集：

4、对包括q个品质类别的m个水果分别进行红外漫反射，得到每个水果的包含k组二进制电压的电压脉冲序列，并对每个品质类别中半数以上的共n个水果的电压脉冲序列对应的品质类别进行标注，然后将n个水果的电压脉冲序列及其标签组成训练样本集btrain，将剩余的m-n个水果的电压脉冲序列组成测试样本集btest，其中，m≥100，k≥5，第n个水果的标签为yn；

5、(2)构建脉冲神经网络模型：

6、构建包括级联的p个分别由一维卷积层和脉冲神经元层层叠的特征提取模块、全连接层和脉冲神经元层的脉冲神经网络模型o；

7、(3)对脉冲神经网络模型进行迭代训练：

8、将训练样本集btrain作为脉冲神经网络模型o的输入对其进行迭代训练，得到训练好的脉冲神经网络模型o*；

9、(4)获取水果内部品质检测结果：

10、将测试样本集btest作为训练好的脉冲神经网络模型o*的输入进行前向传播，得到btest对应的水果品质检测结果。

11、本发明与现有技术相比，具有如下优点：

12、本发明在对水果内部品质检测网络模型进行训练以及获取水果品质检测结果的过程中，脉冲神经网络中的特征提取模块利用卷积对电压脉冲序列进行特征提取，脉冲神经元层对线性预测结果进行脉冲激活实现非线性拟合，避免了现有技术采用单一的多元线性回归模型拟合能力弱的缺点，同时脉冲神经网络利用对输入脉冲序列进行多个时间步长的处理，轻微噪声对其检测结果影响小，对于电压信号具有更强的抗干扰能力和鲁棒性，有效提高了检测精度。

技术特征：

1.一种基于脉冲神经网络的水果内部品质检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的q个品质类别，是指优良类、不良类和次品类三个类别。

3.根据权利要求1或2所述的方法，其特征在于，步骤(1)中所述的对包括q个品质类别的m个水果分别进行红外漫反射，是通过红外漫反射装置实现的，该红外漫反射装置包括级联光源发射模块、光电转换模块和核心处理器模块，其对每个水果进行红外漫反射的实现步骤为：

4.根据权利要求1所述的方法，其特征在于，步骤(3)中所述的将训练样本集btrain作为脉冲神经网络模型o的输入对其进行迭代训练，实现步骤为：

5.根据权利要求4所述的方法，其特征在于，步骤(3b)中所述的p个特征提取模块对每个训练样本中的每组二进制电压sk依次进行脉冲信号特征提取，实现步骤为：

6.根据权利要求4所述的方法，其特征在于，步骤(3c)中所述的脉冲神经网络ot的损失值l，计算公式为：

7.根据权利要求4所述的方法，其特征在于，步骤(3c)中所述的对ωt进行更新，采用随机梯度下降法，更新公式为：

技术总结
本发明提出了一种基于脉冲神经网络的水果内部品质检测方法，实现步骤为：获取训练样本集和测试样本集；构建脉冲神经网络模型；对脉冲神经网络模型进行迭代训练；获取水果内部品质检测结果。本发明在对水果内部品质检测网络模型进行训练以及获取水果内部品质检测结果的过程中，脉冲神经网络中的特征提取模块利用卷积对电压脉冲序列进行特征提取，脉冲神经元层对线性预测结果进行脉冲激活实现非线性拟合，避免了现有技术采用单一的多元线性回归模型拟合能力弱的缺点。同时脉冲神经网络利用对输入脉冲序列进行多个时间步长的处理，轻微噪声对其检测结果影响小，对于电压信号具有更强的抗干扰能力和鲁棒性，有效提高了检测精度。

技术研发人员：曹震,张紫艺,李嘉康,李生田,孙琦,侯彪,焦李成
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/8/13