[發明專利]一種基于多光譜圖像和深度學習的榨菜老筋自動識別方法

在審

• 申請號: 202210150605.3
• 申請日: 2022-02-18
• 公開（公告）號: CN114677671A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 石鐵柱;鄧東平;劉會增;楊超
• 申請（專利權）人: 深圳大學
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/26;G06V10/44;G06V10/50;G06V10/764;G06V10/77;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述基于多光譜圖像和深度學習的榨菜老筋自動識別方法包括：

基于多光譜圖像數據篩選特征波段，根據特征波段選取馬賽克式多光譜高速相機，通過馬賽克式多光譜高速相機拍攝榨菜切片，獲取榨菜切片的多光譜影像數據；

將所述多光譜影像數據進行預處理得到訓練數據，所述預處理包括樣本標注、主成分分析和數據增廣處理；

構建語義分割模型，將所述訓練數據輸入到所述語義分割模型進行訓練，并調節所述語義分割模型的分割參數；

基于已訓練的所述語義分割模型對榨菜切片的榨菜老筋區域進行分割，識別榨菜老筋。

2.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述樣本標注具體包括：

采用深度學習對榨菜老筋進行語義分割時，將人工目視判讀的榨菜老筋原圖進行標注，將榨菜背景值設為0，表示負樣本，而將目標區域值設為1，表示正樣本。

3.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述主成分分析具體包括：

通過主成分分析將多光譜影像數據壓縮成多個波段，選取主成分分析后的第一個波段對應的第一個主成分特征進行訓練。

4.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述數據增廣處理具體包括：

將榨菜老筋原圖進行裁剪、旋轉和鏡像處理，將多光譜影像數據的數量增廣為原來的12倍。

5.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述語義分割模型包括編碼過程和解碼過程。

6.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述語義分割模型的訓練為GPU訓練。

7.根據權利要求1所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法，其特征在于，所述語義分割模型為在UNet++和UNet3+基礎上改進的UNet5+模型。

8.一種基于多光譜圖像和深度學習的榨菜老筋自動識別系統，其特征在于，所述基于多光譜圖像和深度學習的榨菜老筋自動識別系統包括：

數據獲取模塊，用于基于多光譜圖像數據篩選特征波段，根據特征波段選取馬賽克式多光譜高速相機，通過馬賽克式多光譜高速相機拍攝榨菜切片，獲取榨菜切片的多光譜影像數據；

數據處理模塊，用于將所述多光譜影像數據進行預處理得到訓練數據，所述預處理包括樣本標注、主成分分析和數據增廣處理；

模型訓練模塊，用于構建語義分割模型，將所述訓練數據輸入到所述語義分割模型進行訓練，并調節所述語義分割模型的分割參數；

圖像識別模塊，用于基于已訓練的所述語義分割模型對榨菜切片的榨菜老筋區域進行分割，識別榨菜老筋。

9.一種終端，其特征在于，所述終端包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于多光譜圖像和深度學習的榨菜老筋自動識別程序，所述基于多光譜圖像和深度學習的榨菜老筋自動識別程序被所述處理器執行時實現如權利要求1-7任一項所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有基于多光譜圖像和深度學習的榨菜老筋自動識別程序，所述基于多光譜圖像和深度學習的榨菜老筋自動識別程序被處理器執行時實現如權利要求1-7任一項所述的基于多光譜圖像和深度學習的榨菜老筋自動識別方法的步驟。