[發明專利]一種基于高光譜成像與深度學習的籽棉殘膜分選裝置的殘膜識別分類算法

有效

• 申請號: 201810149715.1
• 申請日: 2018-02-13
• 公開（公告）號: CN108284079B
• 公開（公告）日: 2019-05-07
• 發明（設計）人: 倪超;張冬;張云;汪學良;張雄;黃卓
• 申請（專利權）人: 南京林業大學
• 主分類號: B07C5/342
• 分類號: B07C5/342
• 代理公司: 南京申云知識產權代理事務所(普通合伙) 32274
• 代理人: 邱興天

本發明公開了一種基于高光譜成像與深度學習的籽棉殘膜分選裝置及算法，殘膜分選裝置包括配棉箱、高光譜成像儀、穹頂鹵素燈、工控機、黑色橡膠履帶、高速噴閥、抽風口與風機。待處理的籽棉由進棉口進入配棉箱進行開松，隨后由高光譜成像儀采集反射光譜圖，再經工控機進行圖像處理，處理完畢后，經過一定時間的延時，驅動箱驅動高速噴閥噴出對應位置的殘膜或含有殘膜的籽棉到抽風口，由風機抽出，位于籽棉底部的殘膜由于風機產生的空氣壓力也能被吸入抽風口,其他籽棉由于慣性則會落在指定位置，從而完成分選。本發明可以實現籽棉殘膜的快速準確識別與分類，解決了困擾行業多年的殘膜分揀技術難題。

技術領域

本發明涉及籽棉異纖識別分揀領域，特別涉及一種基于高光譜成像與深度學習的籽棉殘膜分選裝置及算法。

背景技術

我國是棉花生產和消費大國，而新疆是我國最大、最重要的棉花種植基地，但新疆采用大規模機械化種植棉花，在機械化采摘過程中不可避免地混入地膜，殘留的地膜不僅數量多，且形狀各異，顏色與棉花相差不大，所以很難清理。目前很多檢測算法已被用來檢測棉花中棉鈴、棉殼、尼龍繩、布條等雜質，這些雜質能夠通過彩色相機及黑白相機識別，但彩色相機與黑白相機卻無法識別殘留的透明地膜等雜質。殘膜清理不徹底，就會嚴重影響紡織產品質量。因此需要探尋一種算法來識別并分類殘留的透明地膜。

發明內容

發明目的：針對現有技術中存在的不足，本發明提供一種基于高光譜成像與深度學習的籽棉殘膜分選裝置，能夠快速準確地識別并分類籽棉與殘膜。本發明的另一目的是提供一種基于高光譜成像與深度學習的籽棉殘膜分選裝置的殘膜識別分類算法。

技術方案：為了實現上述發明目的，本發明采用的技術方案為：

一種基于高光譜成像與深度學習的籽棉殘膜分選裝置，包括配棉箱、履帶、穹頂鹵素燈、高光譜成像儀、高速噴閥、工控機、驅動箱、抽風口、伺服電機與編碼器和風機；在配棉箱的下方設履帶，在履帶的上方穹頂鹵素燈和高光譜成像儀，高光譜成像儀與工控機相連；在履帶的端部設高速噴閥，高速噴閥與驅動箱相連，在高速噴閥的下方設抽風口和風機；履帶與伺服電機與編碼器相連。

在所述配棉箱中裝備有機械打手，能夠將籽棉棉團開松，形成單個的籽棉，均勻地落在履帶上，充分暴露摻雜在其中的殘膜，便于高光譜成像儀采集圖像。

所述高光譜成像儀采集籽棉流在1000nm~2500nm的反射高光譜圖像，6nm為一譜段。

所述穹頂鹵素燈為全光譜鹵素燈，包含所要采集的光譜范圍，穹頂保證籽棉棉流無陰影。

所述的工控機，裝有采集卡與GPU，采集卡將高光譜成像儀采集的圖像傳輸到工控機，GPU保證兩個卷積神經網絡的快速實現。

所述的履帶為黑色橡膠履帶，保證背景無反射光線，易于高光譜成像儀采集反射光譜圖像。

所述的高速噴閥，工作壓力為5公斤，每秒開關次數為50次。

所述的基于高光譜成像與深度學習的籽棉殘膜分選裝置的殘膜識別分類算法，由深度學習中的兩個卷積神經網絡來實現；

第一個卷積神經網絡（convolutional neural network，CNN），能夠融合高維特征，且在處理未經預處理的光譜數據時具有較高的準確性；第一個卷積神經網絡輸入為未經預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，網絡僅包含一個卷積層，卷積層采用1×3的卷積核，步長為2，激活函數為ReLU；輸出層使用softmax激活函數，它將預測值轉化為非負值，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網絡的輸入；