来源：市场资讯

（来源：智慧农业期刊）

引用格式：许敏, 赵鑫, 陈艳萍, 朱启兵, 黄敏. 基于空间分辨光谱的鲜食玉米含水率和硬度MaMoNet检测模型[J]. 智慧农业(中英文), 2026, 8(4): 114-126.

Citation:XU Min, ZHAO Xin, CHEN Yanping, ZHU Qibing, HUANG Min. MaMoNet-Based Detection Model for Moisture Content and Hardness of Fresh Corn Using Spatially Resolved Spectroscopy[J]. Smart Agriculture, 2026, 8(4): 114-126. DOI： 10.12133/j.smartag.SA202512025

基于空间分辨光谱的鲜食玉米含水率

和硬度MaMoNet检测模型

许敏1， 赵鑫1， 陈艳萍2， 朱启兵1， 黄敏1*

（1.江南大学轻工过程先进控制教育部重点实验室，江苏无锡 214122，中国； 2.江苏省农业科学院粮食作物研究所，江苏南京 210014，中国）

摘要： ［目的/意义］含水率和硬度是评价鲜食玉米品质的两个重要参数。传统的基于单点测量的近红外光谱分析技术难以实现对带苞叶鲜食玉米含水率和硬度的高精度检测。［方法］针对这一问题，以带苞叶鲜食玉米为研究对象，构建多通道可见光-近红外空间分辨光谱采集系统，获取玉米样本的多通道光谱数据，并提出一种融合Mamba状态空间模型与多门专家混合（Multi-gate Mixture-of-Experts, MMoE）机制的多任务预测网络——MaMoNet（Mamba-MMoE Network）。首先通过一维卷积结构进行局部特征提取，然后基于Mamba的多尺度特征提取模块捕捉光谱随波段变化的长程依赖特征，随后引入MMoE模块实现籽粒含水率与硬度预测任务间的特征自适应分配。［结果和讨论］结果表明，MaMoNet在测试集上玉米籽粒含水率预测的决定系数R²达到了0.91，硬度预测R²达到了0.89，均优于对比模型。消融实验进一步证明Mamba模块在建模光谱长程依赖关系方面具有显著优势，以及MMoE机制能够有效缓解多任务学习中任务间特征竞争问题。［结论］MaMoNet模型能够充分利用空间分辨光谱信息，实现带苞叶鲜食玉米籽粒含水率和硬度的高精度同步预测，可为鲜食玉米品质的快速、无损检测提供高效可行的方案，具有良好的应用潜力。

关键词： 鲜食玉米；多通道可见光-近红外光谱；Mamba模型；多任务学习；品质预测

打开网易新闻 查看精彩图片

注：序号表明将1根玉米分为上、中、下3节，每节分为两半，得到6个样本。

图1　玉米样品分区

Fig. 1 Corn sample segmentation

图2　玉米带苞叶光谱数据采集
打开网易新闻 查看精彩图片
图2　玉米带苞叶光谱数据采集

Fig. 2 Husk-on corn spectral data acquisition

图3　MaMoNet结构示意图
打开网易新闻 查看精彩图片
图3　MaMoNet结构示意图

Fig. 3 Schematic structure of the MaMoNet model

图4　SSM与Mamba的体系结构对比示意图
打开网易新闻 查看精彩图片
图4　SSM与Mamba的体系结构对比示意图

Fig. 4 Architecture comparison of the SSM and Mamba block

图5　Mamba块网络结构
打开网易新闻 查看精彩图片
图5　Mamba块网络结构

Fig. 5 Network structure of Mamba block

图6　MMoE块网络结构
打开网易新闻 查看精彩图片
图6　MMoE块网络结构

Fig. 6 Network structure of MMoE block

图7　不同采样时期玉米籽粒平均含水率和硬度动态变化
打开网易新闻 查看精彩图片
图7　不同采样时期玉米籽粒平均含水率和硬度动态变化

Fig. 7 Dynamic variation of average MC and hardness of corn kernels at different sampling periods

图8　带苞叶与无苞叶玉米样本在相同测量位置下的光谱曲线对比
打开网易新闻 查看精彩图片
图8　带苞叶与无苞叶玉米样本在相同测量位置下的光谱曲线对比

Fig. 8 Comparison of spectral curves of the same corn sample with and without husk at the same measurement position

图9　6个采样时期玉米样品的平均光谱曲线（采集点1~采集点4）
打开网易新闻 查看精彩图片
图9　6个采样时期玉米样品的平均光谱曲线（采集点1~采集点4）

Fig. 9 Average spectral curves of corn samples at six sampling periods （collection points 1~4）

图10　玉米含水率与硬度预测散点图
打开网易新闻 查看精彩图片
图10　玉米含水率与硬度预测散点图

Fig. 10 Scatter plots of predicted versus measured values for corn MC and hardness

打开网易新闻 查看精彩图片

作者简介

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

黄敏 教授

黄敏，博士，江南大学教授、博士生导师，中国自动化学会智慧农业专业委员会委员，《农业工程学报》编委。长期致力于先进光学传感与智能检测技术在农产品质量安全与工业过程控制领域的研究，先后入选江苏省青蓝工程中青年学术带头人、江苏省“333工程”培养对象。主持国家自然科学基金等国家及省部级科研项目9项；发表SCI/EI论文80余篇，授权国家发明专利26项。研究成果获安徽省科学技术进步二等奖、江西省科学技术进步二等奖、中国商业联合会科学技术进步一等奖等4项。

来源：《智慧农业（中英文）》2026年第4期

转载请联系编辑部授权

本期支持单位