[發明專利]一種基于光譜信息進行工廠監控的方法

在審

• 申請號: 201910249091.5
• 申請日: 2019-03-29
• 公開（公告）號: CN109993110A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 廖列法
• 申請（專利權）人: 江西理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G16H50/20
• 代理公司: 深圳市智勝聯合知識產權代理有限公司 44368
• 代理人: 李永華;張廣興

1.一種基于光譜信息進行工廠監控的方法，其特征在于，包括如下步驟：

步驟1：利用多光譜成像系統，在暗室中分別對健康人群以及染病人群進行多光譜成像，獲得不同人群的光譜圖像，所述多光譜成像系統所涉及濾光片中心波長范圍涵蓋可見光波長至紅外波長；

步驟2：對所述光譜圖像進行區域分割，對每一個區域分別提取灰度值；

步驟3：采用波段指數法計算不同健康人群各成像通道的波段指數值P_i，根據各成像通道濾光片中心波長以及對應的所述波段指數值P_i，獲得波段指數曲線圖；

步驟4：根據波段指數特征波段選取原理，波段指數值越大的成像通道，所含的光譜信息量也越大，所述成像系統自動從所述波段指數曲線圖中捕獲出波段指數值局部最大的數據點，并將對應的成像通道的波長進行保存形成健康人群光譜圖像的特征波段；

步驟5：重復步驟3-4，獲取患病人群光譜圖像的特征波段并保存；

步驟6：將所述健康人群以及患病人群的光譜信息組合成初始特征集X＝[x₁,x₂,...,x_n]，并計算所述初始特征集中每個特征的拉普拉斯分值，構成患病診斷特征向量；

步驟7：建立基于支持向量機的患病診斷分類器模型；

步驟8：將測試樣本或者實時樣本輸入到所述患病診斷分類器模型中，對患病與否進行診斷識別。

2.根據權利要求1所述的方法，其特征在于，步驟1中所述濾光片波長具體為425、475、509、515、558、578、620、650、680、717、750、800、832和850nm共14個通道，其對應的半帶寬分別是100、100、20、10、5、10、10、10、10、10、10、10、10和5nm。

3.根據權利要求2所述的方法，其特征在于，所述步驟3中計算不同健康人群各成像通道的波段指數值P_i具體包括：

步驟3.1：計算不同健康人群光譜圖像的灰度值的標準差；

步驟3.2：計算所述多光譜成像系統各成像通道之間的相關系數；

步驟3.3：利用公式(1)計算出健康人群各成像通道的波段指數值P_i：

式中：參數σ_i為光譜圖像第i通道圖像的標準差，參數R_i為波段i與波段j之間的相關系數。

4.根據權利要求3所述的方法，其特征在于，步驟6中計算特征的拉普拉斯分值具體包括如下步驟：

步驟6.1：構造一個具有m個樣本點的近鄰圖Q，近鄰圖Q是描述樣本之間關系的一類圖；第i個節點對應x_i，第j個節點對應x_j，判斷樣本點i和樣本點j是否連通；

步驟6.2：若樣本點i和樣本點j不連通，令S_ij＝0；否則，令

其中，i,j＝1,2,…,m，σ為熱核寬度；

步驟6.3：對于初始特征集中的第r個特征，定義f_r＝[f_r1,f_r2,…,f_rm]^T，D＝SI，I＝[1,…,1]^T，L＝D-S；其中D為對角陣，矩陣L為臨近圖Q的拉普拉斯矩陣，r＝1,2,…,n；

步驟6.4：對各個特征進行去均值化處理，得到去均值化處理后的各f_ri的特征元素集合F_r，

步驟6.5：計算第r個特征的拉普拉斯分值L_r，構成患病診斷特征向量。

5.根據權利要求4所述的方法，其特征在于，所述步驟7具體包括如下步驟：

步驟7.1：將患病診斷特征向量分為訓練樣本和測試樣本，具體地，所述灰度值作為測試樣本集，所述健康人群的特征波段以及所述患病人群的特征波段組成訓練樣本集；

步驟7.2：使用訓練樣本集對所述患病診斷分類器模型進行分類訓練，以確定出分類精度是否滿足預測精度要求；

步驟7.3：采用粒子群算法對患病診斷分類器模型進行參數尋優，尋優參數包括核函數參數g和誤差項的懲罰因子c。