基于高光谱成像结合深度学习的油茶种子水分含量快速测定与可视化

本研究探讨了利用可见近红外高光谱成像结合深度学习方法检测油茶种子中水分含量的可行性。研究背景是水分含量对油茶种子的储存、运输和加工至关重要。研究目的是通过高光谱成像技术和深度学习模型，实现油茶种子水分含量的快速测定与可视化。研究方法包括使用粒子群优化在卷积神经网络回归模型中搜索最优超参数，比较多种预测模型的性能，并采用四种特征提取算法提取光谱变量。研究结果表明，最优混合预测模型PSO-CNN-SVR的预测集决定系数为0.918，且成功实现了油茶种子中水分含量的空间分布可视化。结论表明，高光谱成像技术与深度学习技术相结合，为油茶种子水分含量的无损检测和可视化提供了一种可靠、高效的方法。