本研究應(yīng)用400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產(chǎn)品FS23進行相關(guān)研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達(dá)1200個光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

隨著我國馬鈴薯主糧化戰(zhàn)略的推進，馬鈴薯相關(guān)產(chǎn)業(yè)鏈得到了迅速發(fā)展，馬鈴薯品質(zhì)問題也成為關(guān)注的熱點問題。但綠皮、機械損傷等缺陷馬鈴薯嚴(yán)重影響了馬鈴薯的整體品量，尤其是綠皮馬鈴薯外形復(fù)雜、缺陷不易識別更增加了檢測難度。同時綠皮馬鈴薯龍葵素含量若超出了食用標(biāo)準(zhǔn)，食用后會導(dǎo)致食物中毒而造成食品安全問題。因此，研究快速無損的綠皮馬鈴薯檢測方法對馬鈴薯深加工和延長產(chǎn)業(yè)鏈具有重要意義。

高光譜成像技術(shù)具有波段范圍廣，且能同時獲取被測樣本對應(yīng)波段范圍內(nèi)的圖像和光譜信息的優(yōu)勢，因此在農(nóng)產(chǎn)品快速無損檢測中得到廣泛應(yīng)用。針對任意放置姿態(tài)下且輕微綠皮馬鈴薯不易識別的問題，本文分別采用半透射與反射高光譜成像技術(shù)進行比較分析，并確定不同高光譜成像方式下的模型識別精度。采集馬鈴薯樣本任意放置姿態(tài)下的半透射高光譜和反射高光譜圖像，分別建立基于圖像信息與光譜信息的檢測模型，比較不同模型識別率。進一步建立圖像和光譜融合或不同成像方式融合模型提高模型性能，最終確定最優(yōu)模型。

（1）比較了不同高光譜成像方式的圖像信息識別模型的精度。采用半透射圖像信息建立的等距映射結(jié)合深度信念網(wǎng)絡(luò)模型識別率最高僅達(dá)到78.67%；采用反射圖像信息建立的最大方差展開結(jié)合深度信念網(wǎng)絡(luò)模型識別率最高僅達(dá)到77. 33%。結(jié)果表明，采用單一圖像信息對輕微綠皮馬鈴薯檢測的精度不高。

（2）比較了不同高光譜成像方式的光譜信息識別模型的精度。采用半透射光譜信息建立的局部切空間排列結(jié)合深度信念網(wǎng)絡(luò)模型識別率最高為93.33%；采用反射光譜信息建立的局部切空間排列結(jié)合深度信念網(wǎng)絡(luò)模型識別率最高為90. 67%。結(jié)果表明，采用單一光譜信息對輕微綠皮馬鈴薯檢測是可行的，但識別率有待進一步提高。

（3）比較了3種多源信息融合方式對識別精度的影響。半透射圖像和半透射光譜、反射圖像和反射光譜、半透射光譜和反射光譜3種融合模型精度較單一圖像或者光譜模型均有提高，且半透射光譜和反射光譜的深度信念網(wǎng)絡(luò)融合模型最優(yōu)，對校正集和測試集識別率均達(dá)到100%。結(jié)果表明，半透射光譜和反射光譜的融合模型可實現(xiàn)輕微綠皮馬鈴薯的無損檢測。