工业高光谱是一种光学无损检测技术，是光谱学与图形学的结合，具有“图谱合一”的数据特点，在食品、药品、纺织品、材料、零部件、元器件等产品的成分质量检测、生产过程监测、服役过程监测、快速分类回收等领域具有广泛的应用潜力。然而在实际的品质检测场景中，存在着被测对象缺陷类型多样，缺陷样本收集困难的问题。因此，针对高光谱传感建立只需要少量缺陷样本，甚至只需要正常样本的无监督/半监督缺陷检测方法，具有重要的科学研究意义。
近日，广东省科学院智能制造研究所智能传感技术团队研究提出一种基于高光谱传感与自监督编码器的异常检测方法。该方法构建真实/合成样本自监督分类器，引导自编码器的训练，实现编码网络和自监督分类网络的联合优化。将该方法应用于水果品质异常检测，只需采用正常水果高光谱数据进行训练，对瘀伤、真菌感染、表面沾污三种品质异常水果进行检测，相比一维自编码器、一维变分自编码器、二维自编码器、单分类支持向量机、自监督分类器等对比算法，检测精度分别提升了29.0%、 21.2%、55.5%、 28.1%、 24.9%。
基于自监督编码网络的品质异常检测原理图
水果品质异常检测实物图
研究团队还将特征余弦相似度作为异变因子，进行品质异常的可视化，结果显示该方法能够准确显示瘀伤、真菌感染和表面沾污等三种质量缺陷的位置和形状。尤其重要的是，研究发现不同类型的品质异常具有不同的光谱异常扩展特性，这为进一步的损伤进展动态检测与损伤机理研究奠定理论与实践基础。
水果品质缺陷可视化图
相关研究成果发表于Computers and Electronics in Agriculture期刊（ 农林科学1区Top，IF=6.757），省科学院智能制造所刘忆森博士为论文第一作者。
论文链接：https://www.sciencedirect.com/science/article/pii/S0168169922003246
（省科学院智能制造所/供稿）
附件下载：
