科创中国

一、 成果来源

本成果来源于中央级公益性科研院所基本科研业务费专项课题“玉米霉变粒高光谱图像鉴定方法研究”（ZX1937）。

二、 成果简介

高光谱成像技术是一种将探测目标二维图像与一维光谱信息融合的快速无损检测技术，能够同时表征储粮霉变过程中其内部组分与外部属性的动态变化。针对玉米霉变粒普遍以人工筛检评价为主，费时费力，难以满足收储现场快速、批量检测需求，本成果利用高光谱成像系统融合智能学习算法开展了玉米霉变粒快速检测模型研究。融合稀疏堆叠自编码网络（SSAE）与核极限学习机（KELM）算法建立了SSAE-KELM模型可用于玉米籽粒健康、轻度、中度和重度霉变四种状态识别；融合卷积神经网络（CNN）与图谱注意力机制(AM)建立了 CNN-AM模型可用于玉米霉变粒快速识别。经独立样本测试，模型整体精度在88%-92%之间，单样本检测时间在30-75s范围内，在确保识别精度前提下，明显提升了检测效率。

三、 知识产权和成果成熟度

成果目前申请发明专利1项“一种粮食霉变粒识别神经网络和识别方法”（202010914811.8） 。

SSAE-KELM模型针对单一品种玉米籽粒，经200余份独立样本测试识别准确率达到90.90%，单样本检测时间在55s-75s之间；CNN-AM模型针对四类样本总体识别率≥91.56%，F-score≥92.29%，独立样本进行测试（100～200粒），识别准确率在88.56%-90.07%之间。随着样本数据库的更新与模型持续性的测试与优化，模型的预测精度与稳定性将会逐步提升并贴近人工质检，可为粮食收储、加工等环节质量安全现场检测装备研发提供技术支持。

四、 投资规模与效益

目前多光谱成像设备研发成本基本上6～9个波段，约 8～10万，通过算法优化筛选少量光谱特征波段可进一步缩短检测时间，提升工作效率，降低研发成本。

五、 合作方式

合作开发、技术服务、技术咨询。