申请/专利权人：长春中医药大学

申请日：2023-10-26

公开（公告）日：2023-11-28

公开（公告）号：CN117132843A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/25;G06V10/774

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.15#实质审查的生效;2023.11.28#公开

摘要：本发明提供一种野山参、林下山参、园参原位鉴别方法、系统及相关设备，该方法为：获取待鉴别人参的短波近红外波段成像数据并对其进行预处理和PCA以得到图像特征；将图像特征输入第一鉴别模型进行鉴别以得到第一鉴别结果，将图像特征输入第二鉴别模型进行鉴别以得到第二鉴别结果；若第一鉴别结果和第二鉴别结果一致，输出第一鉴别结果或第二鉴别结果以作为最终鉴别结果；若第一鉴别结果和第二鉴别结果不一致，则输出短波近红外波段成像数据、第一鉴别结果和第二鉴别结果，并输出提示信息提示人工鉴别第一鉴别结果和第二鉴别结果以获得最终鉴别结果。本方案结合多个鉴别模型对人参类别进行鉴别，具有原位、快速、准确、现场检测等鉴别优势。

主权项：1.一种野山参、林下山参、园参原位鉴别方法，其特征在于，所述方法包括：获取待鉴别人参的短波近红外波段成像数据，所述短波近红外波段成像数据至少包括人参像元的光谱信息和图像信息立方体数据；对所述短波近红外波段成像数据进行预处理和主成分分析PCA以得到PCA转换后的图像特征；将所述图像特征输入第一鉴别模型进行人参类别鉴别以得到第一鉴别结果，及将所述图像特征输入第二鉴别模型进行人参类别鉴别以得到第二鉴别结果，其中，所述第一鉴别模型由利用支持向量机SVM算法对人参样品的图像特征进行监督分类机器学习运算得到，所述第二鉴别模型由基于人参样品的图像特征训练BP人工神经网络得到，所述SVM算法的核函数为径向基函数；若所述第一鉴别结果和所述第二鉴别结果一致，输出所述第一鉴别结果或所述第二鉴别结果以作为所述待鉴别人参的最终鉴别结果，所述最终鉴别结果用于指示所述待鉴别人参为野山参、林下山参或园参；若所述第一鉴别结果和所述第二鉴别结果不一致，则输出所述短波近红外波段成像数据、所述第一鉴别结果和所述第二鉴别结果，并输出提示信息提示人工鉴别所述第一鉴别结果和所述第二鉴别结果以获得最终鉴别结果。

全文数据：

权利要求：

百度查询： 长春中医药大学 野山参、林下山参、园参原位鉴别方法、系统及相关设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD