近日，工学院机器视觉与人工智能（MV&AI）实验室在农林科学领域二区TOP期刊《Food Biosescience》(IF=5.9)发表了题为“Differentiation of jujube varieties using dual-hyperspectral imaging: A deep learning method based on convolutional neural network and bidirectional gated recurrent unit”的研究论文，介绍了在高光谱无损检测与深度学习领域取得的新成果。
红枣品种间差异决定了其营养价值与经济效益，建立一种高效、精准且非破坏性的品种分类模型，对于规范市场标准、防范商业欺诈以及保障消费者权益具有至关重要的意义。
本研究提出了一种创新性的融合可见光近红外（VNIR）与短波红外（SWIR）高光谱数据的深度学习分类框架。研究团队引入了二维相关光谱（2D-COS）与竞争性自适应加权采样（CARS）算法，精准解析并提取了关键特征波段。在此基础上，构建了基于特征级数据融合的PSO-CNN-BiGRU模型。实验表明，该模型通过整合VNIR和SWIR的互补信息，有效克服了单一数据源信息量不足的瓶颈，最终实现了98.26%的分类准确率。这一结果证实了多源光谱融合技术结合改进深度学习算法在农产品检测中的显著优越性。
该研究不仅为高价值农作物的无损检测与精细分类提供了强有力的技术参考，也为利用高光谱技术与深度学习实现农产品全生命周期的可追溯性奠定了坚实基础。
工学院博士研究生刘全程为论文第一作者，于春战副教授和闫磊教授为共同通讯作者。887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网绿色发展与中国农村土地问题研究中心李泽媛博士和北京安州科技有限公司参与了相关合作研究。本研究得到了887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网工学院研究生创新基金A类项目等经费的资助。
原文链接：https://doi.org/10.1016/j.fbio.2025.107441
