基于深度信念网络的苹果霉心病病害程度无损检测

针对现有霉心病无损检测只能检测出有无病害，无法对病害程度进行判断的问题，研究并提出一种基于深度信念网络（deep belief net，DBN）的无监督检测模型。该模型由多层限制玻尔兹曼机（restricted Boltzmann machine，RBM）网络和1层反向传播（back propagation，BP）神经网络组成，RBM网络实现最优特征向量映射，输出的特征向量由BP神经网络对霉心病病害程度分类。对225?个苹果样本在波长200～1?025?nm获取其透射光谱后，根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4?种，分别用150?个和75?个样本作为训练集和测试集，以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型，并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果，实验结果表明，DBN模型病害判别准确率达到88.00%，具有较好的识别效果