近日 ，我校尊龙凯时人生就是博z6com与电气工程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 。