[發明專利]一種基于高光譜圖像卷積神經網絡的鮮棗蟲眼檢測方法

有效

• 申請號: 202110576680.1
• 申請日: 2021-05-26
• 公開（公告）號: CN113222959B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 馬翔;施健;周芳媛
• 申請（專利權）人: 馬翔
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/11;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 崔璐

1.一種基于高光譜圖像卷積神經網絡的鮮棗蟲眼檢測方法，其特征在于：采用可用于鮮棗蟲眼檢測的卷積神經網絡模型進行檢測，該可用于鮮棗蟲眼檢測的卷積神經網絡模型的構建方法包括如下步驟：S1，采集樣本高光譜圖像數據；S2，提取最優特征波長；S3，抽取特征波長下鮮棗高光譜數據，數據預處理得到訓練樣本集；S4，利用訓練樣本集訓練卷積神經網絡模型；S5，利用模型對數據集進行分類驗證；

S2提取最優特征波長是基于鮮棗蟲眼光譜特性，提出一種基于粒子群算法的最優特征波長快速提取算法，具體包括如下步驟：S2.1，從樣本集中抽取全光譜鮮棗蟲眼區域3*3像素高光譜數據均值構成矩陣A

及鮮棗正常區域3*3像素高光譜數據均值構成矩陣C

其中a_nm為第n個樣本的第m波段蟲眼區域高光譜數據均值，c_nm為第n個樣本的第m波段正常區域高光譜數據均值；

S2.2，設計粒子群算法適應度函數f(x)為高光譜數據矩陣A與高光譜數據矩陣C對應像素點在不同波段下的像素差的絕對值的倒數：

其中，a_nx為A矩陣第n行第x列數據，c_nx為C矩陣第n行第x列數據；

S2.3，將尋找最優特征波長問題轉換成求目標函數f(x)最小值的問題，取粒子初始種群數為30個，慣性權重w＝0.6，學習因子c1＝c2＝1.4，最大迭代次數為500次，算法終止條件為達到最大迭代次數或f(x)小于1/255；

S2.4，選取上述算法迭代后f(x)最小值所對應的波長變量，作為后續鮮棗蟲眼識別所需的特征波長。

2.根據權利要求1所述的基于高光譜圖像卷積神經網絡的鮮棗蟲眼檢測方法，其特征在于：S1采集樣本高光譜圖像數據包括如下步驟：S1.1，選取正常鮮棗和蟲眼鮮棗各100個作為樣本；S1.2，設定高光譜圖像采集設備的曝光時間、移動平臺速度、掃描線長度，對樣本進行拍攝；S1.3，將采集的原始高光譜圖像進行黑白板校正，其校正方程如式(1)：

其中白板圖像為W,采集黑板文件圖像為D，對原始圖像I進行校正，R為校正后的高光譜圖像。

3.根據權利要求1所述的基于高光譜圖像卷積神經網絡的鮮棗蟲眼檢測方法，其特征在于：S3數據預處理包括如下步驟：S3.1，通過壓縮、膨脹方法將鮮棗圖像處理成64*32像素圖像，其中像素值為0-255；

S3.2，基于鮮棗輪廓檢測的完整感興趣區域提取，提取整個鮮棗區域作為感興趣區域；

S3.3，以像素值50作為閾值，即像素值大于50的像素點的像素值設定為255，對圖像進行分割，保留鮮棗表面高光譜反射率較低的區域，反射率較低的區域為蟲眼、深色色塊、斑點、果梗；

S3.4，將樣本集分成訓練樣本集和測試樣本集。