葡萄质检双流网络

分类与糖度同步预测

首次以统一多模态深度网络同时完成葡萄品种分类与可溶性固形物含量预测，优于现有单任务模型。

刘志国 · Song, Yufei · Meng, Xi · Chang, Liu · Teng, Guifa

Foods 2026

参数信息

分类准确率

93.64 %

预测决定系数

0.9693

均方根误差

0.2567

技术优势

双模态协同

同时利用外观纹理和内部理化信息，学习互补特征，比单一图像或光谱更全面。

分类准确率高

在五个品种上准确率达93.64%，超过ResNet18等CNN基线。

SSC预测稳健

跨品种一致最优，R2p达0.9693，RMSE低至0.2567，优于PLSR、SVR、LSTM和Transformer。

应用场景

• 葡萄智能分级：同时给出品种和糖度，直接作为分级依据，无需分级后再测糖。
• 水果品质无损检测：利用图像和光谱非接触检测，无需破坏果实，适合在线质检。
• 农产品分选机器人：轻量推理适合嵌入式设备，可集成到分选机器人上实时执行。
• 智慧农业传感：融合图像和光谱两种感知模态，为智慧农业提供更全面的果实信息。