[發明專利]一種基于高光譜成像與深度學習的籽棉地膜在線識別方法

有效

• 申請號: 201910345604.2
• 申請日: 2019-04-26
• 公開（公告）號: CN110084194B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 倪超;張雄;李振業
• 申請（專利權）人: 南京林業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 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

本發明公開一種基于高光譜成像與深度學習的籽棉地膜在線識別方法，利用高光譜成像儀獲取籽棉地膜反射光譜圖像，構建堆疊加權自編碼器和粒子群優化的極限學習機組成的深度學習網絡對高光譜圖像在線識別，本發明利用深度學習中的堆疊加權自編碼器與極限學習機構成的網絡對籽棉地膜的高光譜圖像進行分類，在每層自編碼器中引入加權機制，在保證多通道輸入優勢的同時，降低噪聲的影響；極限學習機的權值和偏置是隨機確定的，容易產生過擬合，利用粒子群算法優化極限學習機的權值和偏置，在保證識別速度的同時，提高分類精度。堆疊加權自編碼器與極限學習機構成的深度學習網絡可以用于籽棉地膜的在線識別。

技術領域

本發明屬于籽棉異纖識別技術領域，具體涉及一種基于高光譜成像與深度學習的籽棉地膜在線識別方法。

背景技術

我國是棉花生產和消費大國，棉花加工與紡織在國民經濟中發揮著重要作用。新疆作為我國主要的產棉省份，棉花種植廣泛應用了地膜覆蓋技術，且棉花的采摘生產機械化程度高，在機械采摘過程中籽棉混雜了大量的地膜，如果清理不徹底，就會隨著加工環節進入皮棉，必定會影響紡織品質量和紡織品的染色質量。目前機采棉含有的地膜殘片已成為國內機采棉同進口機采棉在質量上的根本差距，是國內機采棉在加工、收儲、銷售等環節都遭到抵觸和不暢的重要因素之一，已形成紡織企業在選擇棉花時首選進口棉、再選手摘棉、慎選國內機采棉的尷尬局面，因此地膜的清理對新疆棉花產業來說是一個亟待解決的技術難題。

我國是棉花生產和消費大國，棉花加工與紡織在國民經濟中發揮著重要作用。新疆作為我國主要的產棉省份，棉花種植廣泛應用了地膜覆蓋技術，且棉花的采摘生產機械化程度高，在機械采摘過程中籽棉混雜了大量的地膜，如果清理不徹底，就會隨著加工環節進入皮棉，必定會影響紡織品質量和紡織品的染色質量。目前機采棉含有的地膜殘片已成為國內機采棉同進口機采棉在質量上的根本差距，是國內機采棉在加工、收儲、銷售等環節都遭到抵觸和不暢的重要因素之一，已形成紡織企業在選擇棉花時首選進口棉、再選手摘棉、慎選國內機采棉的尷尬局面，因此地膜的清理對新疆棉花產業來說是一個亟待解決的技術難題。

發明內容

發明目的：針對現有技術存在的不足，本發明的目的是提供一種基于高光譜成像與深度學習的籽棉地膜在線識別方法。

技術方案：為了實現上述發明目的，本發明采用的技術方案如下：

一種基于高光譜成像與深度學習的籽棉地膜在線識別方法，利用高光譜成像儀獲取籽棉地膜反射光譜圖像，構建堆疊加權自編碼器和粒子群優化的極限學習機組成的深度學習網絡對高光譜圖像在線識別，該方法的步驟如下：

(1)利用高光譜成像儀獲取籽棉地膜的反射光譜圖像；

(2)利用堆疊加權自編碼器逐層提取與輸出相關的高階特征，高光譜圖像中的每個像素點在1000nm～2500nm波段上的反射光譜構成的288維向量作為整個網絡的輸入，利用堆疊加權自編碼器對288維向量進行降維；

(3)采用兩層人工神經網絡結合BP算法對堆疊加權自編碼器的網絡權重進行有監督的調整；

(4)訓練完成后，將降維的高階特征作為極限學習機的輸入，利用優化算法對極限學習機的權值和偏置進行優化；

(5)利用優化后的極限學習機對降維后的36維的高階特征進行處理，實現高光譜圖像分類，從而識別棉籽地膜。

作為優選，步驟(1)中，高光譜成像儀獲取籽棉地膜在1000nm～2500nm的反射光譜圖像，5.6nm為一譜段，共采集288個譜段的數據。

作為優選，步驟(2)中，所述堆疊加權自編碼器是由三層加權自編碼器構成的深度神經網絡，設置網絡參數，逐層提取與輸出相關的高階特征；輸入是高光譜圖像中每個像素點在1000nm～2500nm波段的反射光譜構成的288維向量，經過三層加權自編碼器降維，輸出36維的高階特征。