[發(fā)明專利]基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法

在審

• 申請?zhí)枺?/td>: 202310059681.8
• 申請日: 2023-01-18
• 公開（公告）號: CN115931741A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 許麗佳;陳彥君;趙永鵬;王玉超;鄒志勇;伍志軍;黃鵬;康志亮;石小仕;唐座亮
• 申請（專利權）人: 四川農(nóng)業(yè)大學
• 主分類號: G01N21/27
• 分類號: G01N21/27
• 代理公司: 成都智涌知識產(chǎn)權代理事務所(普通合伙) 51313
• 代理人: 李莉

1.基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：所述方法包括：

獲取目標土壤的光譜圖像；

提取光譜圖像的特征變量；

構建檢測模型；

將特征變量輸入到檢測模型中，得到檢測結果。

2.根據(jù)權利要求1所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：還包括：在根據(jù)預設算法提取光譜圖像的特征變量之前，對光譜圖像進行預處理，所述預處理包括SG卷積平滑處理和均值方差歸一化處理。

3.根據(jù)權利要求1所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：提取光譜圖像的特征變量，包括：

基于第一預設算法對光譜圖像進行第一次特征提取，得到初步特征；

基于第二預設算法對初步特征進行第二次特征提取，得到特征變量。

4.根據(jù)權利要求1所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：提取光譜圖像的特征變量為：基于第一預設算法對光譜圖像進行特征提取，得到特征變量。

5.根據(jù)權利要求3或4所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：所述第一預設算法為引導軟閾值方法、模型自適應空間縮小法或主成分分析法。

6.根據(jù)權利要求3所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：所述第二預設算法為等度量映射法。

7.根據(jù)權利要求1所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：所述檢測模型為支持向量機模型、反向傳播神經(jīng)網(wǎng)絡模型或一維卷積神經(jīng)網(wǎng)絡模型。

8.基于高光譜成像技術的農(nóng)田土壤微塑料檢測裝置，所述裝置用于實現(xiàn)權利要求1-7中任一項所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法，其特征在于：所述裝置包括：

獲取模塊，獲取目標土壤的光譜圖像；

提取模塊，提取光譜圖像的特征變量；

構建模塊，構建檢測模型；

檢測模塊，將特征變量輸入到檢測模型中，得到檢測結果。

9.一種電子設備，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執(zhí)行的機器可執(zhí)行指令，其特征在于：所述處理器可執(zhí)行所述機器可執(zhí)行指令以實現(xiàn)權利要求1-7中任一項所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法。

10.一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有指令，其特征在于：該指令在被處理器執(zhí)行時使得所述處理器被配置成執(zhí)行權利要求1-7中任一項所述的基于高光譜成像技術的農(nóng)田土壤微塑料檢測方法。