基于卷积神经网络的食品塑料包装袋光谱识别

作者：吕铷麟; 贾镇; 胡益滔; 何洪源^*; 何伟文

来源：包装工程, 2022, 43(03): 121-128.

DOI：10.19554/j.cnki.1001-3563.2022.03.015

• 高光谱成像技术
• 卷积神经网络
• 包装袋
• 机器学习
• 快速识别

目的实现食品塑料包装袋的快速检测和材质区分。方法研究使用高光谱成像技术在450～950nm波长范围下采集了49组不同食品包装袋样本的光谱数据,利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理,建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型,并比较了它们对包装袋材质的识别性能。结果决策树模型与支持向量机模型的验证识别率分别为87.8%和88.9%,卷积神经网络模型的验证识别率高达100%,损失函数值最终下降到0.0171且达到收敛,在分类效果和精度上具有明显的优势。结论高光谱检测方法不破坏检材,重现性好,稳定性强,实现了对食品塑料包装袋的精准识别。卷积神经网络模型对食品包装袋高光谱数据的识别效果最好,为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据。

• 单位
  中国人民公安大学