基于改进格拉姆角场与孪生网络的高光谱数据鲜食糯玉米籽粒受力预测研究

一、作者与发表信息
本研究由Hengyi Wang（吉林大学）、Jun Fu（吉林大学）、Qiankun Fu（通讯作者，吉林大学）、Yang Li（吉林大学）、Yongliang Qiao（澳大利亚阿德莱德大学）及Xiaotan Liu（农业农村部丘陵山区农业装备技术重点实验室）合作完成，发表于期刊《Computers and Electronics in Agriculture》2025年第237卷。

二、学术背景
科学领域：本研究属于农业工程与人工智能交叉领域，聚焦高光谱成像（hyperspectral imaging, HSI）技术与深度学习在农业机械优化中的应用。
研究动机：鲜食糯玉米因高含水量（>60%）在机械化收获中易受机械损伤，导致商业品质下降。传统检测方法（如近红外光谱、X射线）难以精准量化籽粒受力，而高光谱技术凭借高分辨率光谱与空间信息，为受力预测提供了新思路。
研究目标：开发一种结合改进格拉姆角场（Gramian Angular Field, GAF）与孪生网络的模型（Siamese MGAD-Net），实现玉米籽粒受力的高精度预测，为收割机参数优化提供理论支持。

三、研究流程与方法
1. 样本制备与数据采集
- 研究对象：选取中国东北三种糯玉米品种（Jingkenuo 2000、Jinnuo 262、Meiyu 27），共6300粒籽粒，按尺寸分层抽样（长度9.6–11.4 mm，宽度7.8–10.2 mm，厚度4.4–5.6 mm）。
- 压缩实验：使用质地分析仪模拟收割碰撞，施加2–12 N力（间隔0.5 N），记录籽粒变形。
- 高光谱成像：通过Specim高光谱相机（400.98–1104.78 nm，204波段）采集315幅图像，提取籽粒平均光谱曲线。

1. 数据预处理与特征编码

   • 改进格拉姆角场（MGAF）：
     
     • 多尺度滑动窗口归一化：通过局部均值与标准差（窗口大小ω=10）保留光谱局部波动特征。
       
     • 高斯加权：针对关键波段（825–950 nm）增强受力敏感区域。
       
     • 输出：生成MGASF（求和场）与MGADF（差分场）两种二维图像，分别捕捉全局趋势与局部差异。
       

2. 模型构建（Siamese MGAD-Net）

   • 孪生网络双通道：
     
     • MGASF通道：融合金字塔结构（多尺度卷积核）、位置注意力模块（PAM）和通道注意力模块（CAM），提取长程依赖特征。
       
     • MGADF通道：补充局部细节，通过权重融合（0.8:0.2）提升模型鲁棒性。
       
   • 创新模块：
     
     • 多尺度扩张卷积下采样（MDCDS）：采用扩张率1/3/5的卷积层，解决非相邻波段依赖问题。
       
     • 自适应丢弃模块：防止小样本过拟合。
       

3. 对比实验与评估

   • 基线模型：传统机器学习（SG-GA-PLSR）与CNN（Raw-CNN）。
     
   • 评估指标：决定系数（R²）、均方根误差（RMSE）、性能偏差比（RPD）。
     

四、主要结果
1. 光谱特征分析：
- 825–950 nm波段反射率随受力增加显著下降，与CT图像显示的胚乳分离（>4 N）和表面裂纹（>7–9 N）高度相关。
- 低受力（ N）下光谱重叠严重，MGAF编码后仍可区分（图12）。

1. 模型性能：

   • Siamese MGAD-Net在混合数据集上R²达0.9647，单品种数据集R²均>0.954，显著优于SG-GA-PLSR（R²提升8.05%）和Raw-CNN（提升3.92%）。
     
   • 小样本鲁棒性：单品种数据RMSE增幅仅2.21–16.07%，远低于基线模型（CNN达52.24%）。
     

2. 消融实验：

   • MGAF编码较传统GAF提升局部特征辨识度（图11）；MDCDS模块使非相邻波段特征捕获能力提高12%。
     

五、结论与价值
1. 科学价值：
- 首次将MGAF与孪生网络结合，解决高光谱小样本低区分度难题。
- 揭示了玉米籽粒受力-光谱-结构损伤的定量关系。
2. 应用价值：
- 为收割机参数实时调整提供高精度标签，减少潜在损伤（如10 N以上裂纹风险预警）。
- 便携式高光谱设备支持田间快速检测（单穗检测时间<35秒）。

六、研究亮点
1. 方法创新：MGAF通过局部归一化与高斯加权突破传统GAF全局归一化局限。
2. 模型设计：MDCDS模块首次应用于农业光谱分析，有效建模非相邻波段非线性波动。
3. 跨学科融合：结合CT影像验证光谱变化机制，增强结果可信度。

七、其他价值
未来可扩展至不同含水量与不规则籽粒形态的泛化研究，进一步优化收割机智能调控系统。