2022级硕士研究生杨娇以第一作者，关海鸥教授为通讯作者在中科院分区二区期刊《Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy》在线发表了题为“A Quality Detection Method of Corn Based on Spectral Technology and Deep Learning Model”的研究论文
近日，我校金沙集团1862cc成色学院关海鸥教授指导的2022级硕士研究生杨娇以第一作者，关海鸥教授为通讯作者在中科院分区二区期刊《Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy》在线发表了题为“A Quality Detection Method of Corn Based on Spectral Technology and Deep Learning Model”的研究论文。本研究得到了国家自然基金（31601220）、黑龙江自然省基金（LH2020C080）、黑龙江八一农垦大学三横三纵（TDJH202101和ZRCQC202006)的资助。（DOI:http://doi.org/10.1016/j.saa.2023.123472）
玉米是世界上重要的粮食作物，随着经济发展和人口增长，玉米的营养品质高低，对高品质育种、科学栽培与精细管理具有重要意义。针对目前在玉米品质检测方面研究存在的步骤繁琐、耗时费力、准确性不高等问题。研究提出，将近红外光谱技术与深度学习技术相结合，构建了一种基于卷积神经网络(LeNet-5)的玉米品质检测模型。采用小波变换（WT）与多元散射校正对原始光谱数据进行预处理，去除噪声干扰和光谱散射信息。应用竞争性自适应重加权采样算法（CARS）优选特征波数，减少冗余数据。依据优选出的特征波数，输入到构建的玉米品质检测模型中仿真测试，得到测试集的平均检测准确率为96.46%，平均精确率为95.42%，平均召回率为97.92%，平均F1score为96.64%，平均识别时间为51.95s。本研究所构建的深度学习LeNet-5网络模型与BP神经网络、KNN、SVM、GLM、LDA、NB这些传统机器学习模型相比，准确率平均提升了39.32%，具有更高的检测准确率。
