利用基于近红外成像技术开发的便携式设备，结合提出的YOLO-Faster模型，实现对水果早期损伤的检测

《Journal of Food Measurement and Characterization》：Fruit early bruise detection using a portable device developed based on near-infrared imaging combined with proposed YOLO-Faster model

　　研究利用近红外（700-1100nm）技术及优化YOLOv8算法，开发便携式水果隐蔽青伤检测装置，参数0.79M，计算量5.0G，实现实时高精度检测（mAP@50达97.4%），有效解决现有成本、便携性及实时性难题。

　　

摘要

在采后处理、运输和分选过程中，水果常常会出现难以立即发现的隐性损伤（如瘀伤）。本研究调查了六种常见水果在近红外范围（700–1100纳米）内对隐性损伤的早期敏感度，并开发了一种集成近红外相机的便携式检测设备。基于YOLOv8模型的轻量级YOLO-Faster目标检测算法被提出，以实现高效准确的瘀伤检测。该网络通过使用轻量级的部分卷积模块和双级路由注意力机制进行了优化，以减少参数数量并提高检测精度。此外，还提出了一种自适应图像增强组合算法，用于增强瘀伤区域并应对环境干扰问题。实验结果表明，该模型的mAP@50值为97.4%，参数数量和计算量分别降至0.79百万和5.0吉字节，从而能够在嵌入式设备上实现实时检测。该系统解决了当前在成本、便携性和实时性能方面的限制，为现场检测提供了创新解决方案，并推动了水果隐性损伤的智能检测技术的发展。