本发明属于农业信息化领域，尤其涉及一种基于高光谱图像的沃柑糖度检测方法。
背景技术：
1、沃柑果实中可溶性糖含量是重要的品质指标。当前沃柑果实品质检测主要是有理化性质检测分析、电学特性检测分析、机器视觉检测分析，其中：理化性质检测对果实检测比较准确但是检测步骤复杂且有损，电学特性检测虽然检测相对准确但是操作复杂且易受干扰，机器视觉检测虽然无损但需要检测人员有较高的学习能力以及扎实的专业知识，而且由于现有检测方法仅使用了rgb三个通道的数据，虽提升了检测效率，但是其检测精度不高，难以满足果实分级的需要。
2、当前果实品质分级主要还是依靠人工的进行糖度检测、重量检测，因为糖度检测需要破开沃柑果实才能进行，效率不高，同时也属于有损检测，检测过后的沃柑只能丢弃，造成资源的浪费。
技术实现思路
1、为解决上述技术问题，本发明提出了一种基于高光谱图像的沃柑糖度检测方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本发明提供了一种基于高光谱图像的沃柑糖度检测方法，包括以下步骤：
3、基于轻量级卷积神经网络构建初始沃柑糖度检测模型；
4、采集沃柑的高光谱数据和糖度数据，对所述高光谱数据进行预处理，得到预处理数据；
5、将所述预处理数据作为训练样本糖度数据作为标签训练初始沃柑糖度检测模型，获得沃柑糖度检测模型；
6、采集待检测沃柑的高光谱数据并进行校正处理，获得待检测高光谱数据，将所述待检测高光谱数据输入到所述沃柑糖度检测模型中，获得待检测沃柑的糖度。
7、优选的，所述构建初始沃柑糖度检测模型的方法包括：
8、将轻量级卷积神经网络的第一层的传统卷积替换为动态卷积；将第14层的pool7x7替换为全局平均池化；将最后一层原本用于分类的1x1卷积替换为全连接层。
9、优选的，采集沃柑的高光谱数据的方法包括：
10、采摘成熟沃柑放置在漫反射白板上；
11、使用高光谱相机对沃柑进行拍摄，并标记拍摄的表面，获得初始高光谱数据；
12、通过漫反射白板对所述初始高光谱数据进行光谱校正，获得沃柑的高光谱数据。
13、优选的，采集糖度数据的方法包括：
14、切开已完成高光谱数据采集的沃柑；
15、通过手持糖度仪对拍摄方向的一半沃柑进行糖度检测，获得沃柑的糖度数据。
16、优选的，通过漫反射白板对所述初始高光谱数据进行光谱校正的方法包括去除背景信号、线性校正、基线校正和归一化处理。
17、优选的，所述去除背景信号的方法包括：
18、首先对高光谱数据对应的rgb图像通过阈值法进行二值化处理，获得二值化图像，然后通过连通域提取算法对所述二值化图像进行果实区域提取，得到沃柑果实的矩形边界框，根据边界框的四个顶点对高光谱数据进行裁剪，获得去除背景信号的高光谱数据。
19、优选的，对所述高光谱数据进行预处理的方法包括：
20、将所述高光谱数据和糖度数据制作成数据集；
21、通过pca主成分分析算法对所述数据集进行降维处理；
22、将降维处理后的数据集分为训练集和验证集。
23、与现有技术相比，本发明具有如下优点和技术效果：
24、本发明公开了一种基于高光谱图像的沃柑糖度检测方法，包括以下步骤：基于轻量级卷积神经网络构建初始沃柑糖度检测模型；采集沃柑的高光谱数据和糖度数据，对所述高光谱数据进行预处理，得到预处理数据；将所述预处理数据作为训练样本糖度数据作为标签训练初始沃柑糖度检测模型，获得沃柑糖度检测模型；采集待检测沃柑的高光谱数据并进行校正处理，获得待检测高光谱数据，将所述待检测高光谱数据输入到所述沃柑糖度检测模型中，获得待检测沃柑的糖度。本方法通过采集沃柑的高光谱数据，结合卷积神经网络模型，实现了沃柑无损糖度检测，相比于传统的有损糖度检测方法，本发明不仅提高了检测效率，还减少了果实的浪费。使得未来沃柑果实糖度自动分选成为可能。
1.一种基于高光谱图像的沃柑糖度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
3.根据权利要求1所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
4.根据权利要求1所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
5.根据权利要求3所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
6.根据权利要求5所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
7.根据权利要求1所述的基于高光谱图像的沃柑糖度检测方法，其特征在于，
