基于GASF变换和深度学习的柑橘内部品质分析

来源：中国农机化学报杂志2025年第4期北京时间：

作者：陈浩宇, 苗玉彬

单位：(上海交通大学机械与动力工程学院，上海市，200240)

摘要：针对现有柑橘内部品质无损检测模型存在的光谱信息丢失、检测精度不高等问题，提出一种基于格拉姆角和场(GASF)变换和深度学习的内部品质无损定性分析方法。通过GASF变换将采集柑橘的可见—近红外慢透射一维光谱数据转换为二维图像，将移动平均平滑(MA)、标准正态变换(SNV)等预处理方法作为数据增强方法实现数据扩充。设计二维卷积神经网络(2D—CNN)模型并加入卷积注意力机制模块(CBAM)以提高模型对GASF图像的特征提取能力。结果表明，与传统机器学习模型支持向量机(SVM)、随机森林(RF)相比，神经网络模型对光谱信息提取能力更强，预测准确率更高。SVM和RF预测准确率分别为84.85%和81.82%，2D—CNN预测准确率为87.88%，加入CBAM后预测准确率提高至93.94%。GASF变换可将神经网络在图像处理中的优势引入可见—近红外光谱分析中，为水果内部品质无损检测提供新思路和理论参考。

关键词：柑橘,格拉姆角和场,深度学习,可见—近红外光谱,卷积注意力机制

基金资助：国家自然科学基金项目(51975361)