[發(fā)明專利]一種基于高光譜成像與深度學(xué)習(xí)的籽棉殘膜分選裝置的殘膜識別分類算法

有效

• 申請?zhí)枺?/td>: 201810149715.1
• 申請日: 2018-02-13
• 公開（公告）號: CN108284079B
• 公開（公告）日: 2019-05-07
• 發(fā)明（設(shè)計）人: 倪超;張冬;張云;汪學(xué)良;張雄;黃卓
• 申請（專利權(quán)）人: 南京林業(yè)大學(xué)
• 主分類號: B07C5/342
• 分類號: B07C5/342
• 代理公司: 南京申云知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32274
• 代理人: 邱興天

1.一種基于高光譜成像與深度學(xué)習(xí)的籽棉殘膜分選裝置的殘膜識別分類算法，所述的基于高光譜成像與深度學(xué)習(xí)的籽棉殘膜分選裝置包括配棉箱（1）、履帶（3）、穹頂鹵素?zé)簦?）、高光譜成像儀（5）、高速噴閥（6）、工控機（7）、驅(qū)動箱（8）、抽風(fēng)口（10）、伺服電機與編碼器（11）和風(fēng)機（12）；在配棉箱（1）的下方設(shè)履帶（3），在履帶（3）的上方穹頂鹵素?zé)簦?）和高光譜成像儀（5），高光譜成像儀（5）與工控機（7）相連；在履帶（3）的端部設(shè)高速噴閥（6），高速噴閥（6）與驅(qū)動箱（8）相連，在高速噴閥（6）的下方設(shè)抽風(fēng)口（10）和風(fēng)機（12）；履帶（3）與伺服電機與編碼器（11）相連；其特征在于：由深度學(xué)習(xí)中的兩個卷積神經(jīng)網(wǎng)絡(luò)來實現(xiàn)；第一個卷積神經(jīng)網(wǎng)絡(luò)輸入為高光譜圖像單一像素在不同譜段上值的向量，輸出為該像素是殘膜的概率，全部像素處理完畢后生成概率的二維向量，反歸一化為灰度圖像，作為第二個卷積神經(jīng)網(wǎng)絡(luò)的輸入；第二個卷積神經(jīng)網(wǎng)絡(luò)為U-NET，輸入為上述灰度圖像，輸出為籽棉與殘膜的分割圖像；第一個卷積神經(jīng)網(wǎng)絡(luò)輸入為未經(jīng)預(yù)處理的高光譜圖像每個像素點在不同反射譜段上值的向量，網(wǎng)絡(luò)僅包含一個卷積層，卷積層采用1×3的卷積核，步長為2，激活函數(shù)為ReLU；輸出層使用softmax激活函數(shù)，它將預(yù)測值轉(zhuǎn)化為非負(fù)值，并將它們歸一化以獲得該像素點為殘膜的概率；全部像素處理完畢后，將得到的概率的二維向量反歸一化為灰度圖，作為第二個卷積神經(jīng)網(wǎng)絡(luò)的輸入；第二個卷積神經(jīng)網(wǎng)絡(luò)為U-NET，網(wǎng)絡(luò)由一條收縮路徑和一條拓展路徑組成，網(wǎng)絡(luò)輸入為反歸一化后的灰度圖，收縮路徑與拓展路徑各采用一個3×3的卷積核，每個卷積層都有一個ReLU激活函數(shù)，下采樣采取步長為2，卷積核為2×2的最大池化操作；在下采樣步驟中，將特征通道數(shù)量加倍；拓展路徑中的每一步都包括對特征映射進(jìn)行卷積核為2×2的上采樣；在上采樣步驟中，將特征通道數(shù)量減半，并與收縮路徑中對應(yīng)的裁剪的特征映射級聯(lián)，最后輸出為籽棉與殘膜的分割圖像。