深度学习在林果品质无损检测中的研究进展

• Published in: 农业工程学报 Vol. 40; no. 17; pp. 1 - 16
• Main Authors: 蒋雪松, 计恺豪, 姜洪喆, 周宏平
• Format: Journal Article
• Language: Chinese
• Published: 南京林业大学林业资源高效加工利用协同创新中心,南京 210037 01.09.2024; 南京林业大学机械电子工程学院,南京 210037%南京林业大学机械电子工程学院,南京 210037
• Subjects: deep learning; non-destructive detection; 卷积神经网络; 品质保障; quality assurance; 深度学习; forest fruits; 林果; 无损检测; convolutional neural networks
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202404056

S24; 林果品质与消费者和果农密切相关,在保障消费者安全、优化运输贮藏、改善后续分级、实现优质优价、提高果农收益等方面均有重要作用,然而传统的林果品质检测方法存在效率低、检测范围有限和鲁棒性差等问题.近年来,随着深度学习的迅猛发展,林果品质无损检测技术也取得了突破性的进步.该研究梳理了目前主流的深度学习模型及其作用,然后从林果安全品质、外部品质和内部品质3个方面阐述了深度学习的研究进展,发现卷积神经网络是林果品质无损检测领域应用最广泛的深度学习模型.同时结合深度学习应用现状与模型不足分析了该领域仍存在数据质量低、模型泛化能力差、实际部署困难等问题,提出未来应围绕数据增强与评价指标、建立公共数据集、多模态融合、模型融合、元学习、拓展应用、模型压缩等方面展开研究.该文旨在为深度学习在林果品质无损检测中的进一步发展提供参考,以加快林果产业的数字化、信息化进程.