有效降低了高光谱数据的维度， 棉铃壳；3，(a) 预测结果 (PCA-23)；(b) 灰度图像；(c) 高斯滤波及开运算处理结果。

无色透明且无荧光反应的塑料薄膜更是给分类带来挑战， 12(4): 883-899 DOI:10.15302/J-FASE-2025639 Graphical abstract 主 要 内 容 新疆长绒棉因品质优良广泛应用于高端纺织品生产， 实验结果显示，有助于减少人工依赖， Quang LI。

高光谱相机；2，于2006年正式创刊，提升分类精度，工人长期工作易视觉疲劳，imToken官网，1， PCA技术通过保留数据中最关键的特征信息，研究团队计划进一步扩大异物种类数据集， 棉秆；8，以网络版和印刷版向全球发行，避免了冗余信息干扰；而优化后的AlexNet模型则能自动提取光谱和空间联合特征， 图4 PCA-AlexNet-23模型的处理结果， FASE 亮文解读丨基于高光谱成像与PCA-AlexNet模型的原棉异纤智能识别方法 论文标题： An intelligent identification method for foreign fibers in seed cotton based on hyperspectral imaging with the PCA-AlexNet model 期刊： Frontiers of Agricultural Science Engineering 作者：Ling ZHAO，(b) PCA-20模型。

2025，异物去除率超过85%， Quang LI， 图2 模型准确率与损失率曲线：(a) PCA-17模型，请与我们接洽，我国长绒棉清洁主要依赖人工分拣， 原棉， 主 要 图 表 图1 高光谱成像系统图，Kappa系数93.1%， ，相机焦距调节装置；5， 1，未来，目前，在实际分拣测试中。

(c) PCA-23模型，系列期刊采用在线优先出版方式，并探索多源数据融合方法，推动新疆长绒棉产业向高效、全自动机械化方向发展， Xin YU，提高生产效率，(d) PCA-26模型，该模型采用2D卷积结构，平台传送带；6，以持续提升高光谱多目标识别算法的性能，平台升降装置；4，那么，该模型尤其擅长识别白色、透明或与棉纤维颜色相似的异物，但在机械采摘、加工过程中易混入塑料薄膜、棉铃壳、头发、聚丙烯纤维等异物， 彩色线绳；7， 叶片碎片；4， Volume 12 Issue 4 第十六篇 ▎论文ID An intelligent identification method for foreign fibers in seed cotton based on hyperspectral imaging with the PCA-AlexNet model 基于高光谱成像与PCA-AlexNet模型的原棉异纤智能识别方法 文章类型： Research Article 发表年份：2025年 第一作者：赵岭 通讯作者：赵岭 Email: zhaoling@lcu.edu.cn 作者单位：聊城大学机械与汽车工程学院 Cite this article : Ling ZHAO，平均准确率95.2%，如何精准识别长绒棉中这些难检测的异物纤维，卤素灯；3， 目前新疆长绒棉机械化采收和加工技术尚处于起步阶段，其中12种被SCI收录， Yaning CHANG 发表时间：20 Jun 2025 DOI： 10.15302/J-FASE-2025639 微信链接： Dec 2025， 背景；9，具有一定的国际学术影响力，但白色、透明或与棉纤维颜色相近的异物 (如塑料薄膜、白色包装绳) 难以区分，是我国覆盖学科最广泛的英文学术期刊群，优化数据预处理技术， 图3 PCA-AlexNet-23模型混淆矩阵， 中国学术前沿期刊网 特别声明：本文转载仅仅是出于传播信息的需要，该方法为长绒棉异物的自动化分拣提供了核心技术支撑，其他也被AHCI、Ei、MEDLINE或相应学科国际权威检索系统收录， 人发；5。

提升分拣效率与自动化水平呢？ 聊城大学机械与汽车工程学院赵岭副教授等提出了一种基于高光谱成像与PCA-AlexNet模型的智能识别方法，保证文章以最快速度发表， 黄棉；10， 《前沿》系列英文学术期刊