基于模型迁移的苹果光学特征参数反演

摘要

针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法.以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4 000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演.将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26％、果肉吸收系数90.53％、果皮散射系数86.66％、果肉散射系数87.57％,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性.本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考.