申请/专利权人：石河子大学

申请日：2023-08-15

公开（公告）日：2024-04-12

公开（公告）号：CN117036952B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/764;G06V10/40;G06N3/0464;G06N3/048;G06N3/08;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.12.12#著录事项变更;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本申请公开基于RGB图像重建高光谱图像的红枣水分含量等级检测方法，涉及农业智能技术领域，以解决现有通常使用干燥法或者蒸馏法来检测红枣水分含量具有高时间成本和能源成本，不利于红枣批量检测的问题。包括：采集第一红枣RGB图像，其中，所述第一红枣RGB图像是通过工业相机采集的；将第一红枣RGB图像输入到预先训练好的高光谱图像重建模型中重建，以得到第一重建红枣高光谱图像；将第一重建红枣高光谱图像输入到预先训练好的红枣水分含量等级分类模型中分类，以得到第一红枣水分含量等级标签。

主权项：1.基于RGB图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，包括：采集第一红枣RGB图像，其中，所述第一红枣RGB图像是通过工业相机采集的；将第一红枣RGB图像输入到预先训练好的高光谱图像重建模型中重建，以得到第一重建红枣高光谱图像；将第一重建红枣高光谱图像输入到预先训练好的红枣水分含量等级分类模型中分类，以得到第一红枣水分含量等级标签；其中，所述将第一红枣RGB图像输入到预先训练好的高光谱图像重建模型中重建，以得到第一重建红枣高光谱图像的步骤中，所述预先训练好的高光谱图像重建模型是通过第一训练数据集和多尺度空洞卷积U型编码-解码器残差连接网络共同确定的；其中，所述第一训练数据集包括多个第二红枣RGB图像和目标高光谱图像，所述第二红枣RGB图像是基于原始高光谱图像的三个波段送入ENVI软件中的RGB通道生成的，所述目标高光谱图像是基于原始高光谱图像中与红枣水分含量相关的三十一个特征波段组成的，所述原始高光谱图像是通过高光谱相机采集的；所述预先训练好的高光谱图像重建模型是通过第一训练数据集和多尺度空洞卷积U型编码-解码器残差连接网络共同确定的步骤具体为：获取多个目标高光谱图像和多个第二红枣RGB图像；将多个第二红枣RGB图像输入到预先搭建的多尺度空洞卷积U型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像；将多个第二重建红枣高光谱图像与其对应的目标高光谱图像进行对照，直至第二重建红枣高光谱图像满足第一预设条件时，将多尺度空洞卷积U型编码-解码器残差连接网络确定为训练好的高光谱图像重建模型；所述将多个第二红枣RGB图像输入到预先搭建的多尺度空洞卷积U型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述预先搭建的多尺度空洞卷积U型编码-解码器残差连接网络具体包括：第一特征提取模块，其用于对第二红枣RGB图像进行第一初始特征提取，并将3通道的第二红枣RGB图像变换成31通道的第一初始特征图，特征映射模块，其输入端与所述第一特征提取模块的输出端连接，并用于对第二红枣RGB图像进行第二深层特征提取，以得到第二红枣RGB图像对应目标高光谱图像的深层映射关系的第二深层特征图；特征转换模块，其输入端与所述特征映射模块的输出端连接，并用于将深层特征图与第一初始特征图相叠加后，再进行卷积处理，以得到第二重建红枣高光谱图像；所述将多个第二红枣RGB图像输入到预先搭建的多尺度空洞卷积U型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述第一特征提取模块具体包括：依次连接第一卷积层、第一BatchNormalization正则化层和第一Swish激活层，所述特征映射模块具体包括：顺序连接而成的三个多尺度空洞卷积U型编码-解码器，所述第一Swish激活层与三个多尺度空洞卷积U型编码-解码器中的其中一个多尺度空洞卷积U型编码-解码器连接，所述特征转换模块包括第二卷积层，所述第二卷积层与三个多尺度空洞卷积U型编码-解码器中的另一个多尺度空洞卷积U型编码-解码器连接；其中，所述第一卷积层为一层卷积核大小为3×3，stride=1，padding=1，输入通道数为3，输出通道数为31的卷积层，所述第二卷积层为一层卷积核大小为3×3，stride=1，padding=1，输出通道数等于输入通道数的卷积层，所述多尺度空洞卷积U型编码-解码器具体包括：两层3×3的第三卷积层、三个依次连接的组合结构和第一多尺度空洞卷积层，两层3×3的第二卷积层分别位于所述多尺度空洞卷积U型编码-解码器的初始端和结束端，并与三个组合结构中的其中一个组合结构连接，所述第一多尺度空洞卷积层与三个组合结构中的另一个组合结构连接；所述将多个第二红枣RGB图像输入到预先搭建的多尺度空洞卷积U型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述组合结构具体包括第二多尺度空洞卷积层、下采样层、特征拼接环节、三层1×1的第四卷积层、上采样层和第三多尺度空洞卷积层，所述第二多尺度空洞卷积层的输出端分别与下采样层和特征拼接环节连接，所述特征拼接环节的输出端与第四卷积层连接，所述上采样层的输出端与特征拼接环节连接，所述第四卷积层的输出端与第三多尺度空洞卷积层连接，每个组合结构的下采样层的输出端与其相邻的组合结构中的第二多尺度空洞卷积层连接，每个组合结构的上采样层的输入端与其相邻的组合结构中的第三多尺度空洞卷积层连接，所述第一多尺度空洞卷积层分别连接末端的组合结构中的下采样层和上采样层，两层3×3的第三卷积层分别与首端的组合结构中的第二多尺度空洞卷积层和第三多尺度空洞卷积层连接，其中，每个多尺度空洞卷积层均包括三层并联的空洞卷积层和一层1×1的第四卷积层组成，每层空洞卷积层之后都串接一层第二BatchNormalization正则化层和第二Swish激活层，所述三层并联的空洞卷积层的输入特征图与第四卷积层的输出特征图进行残差连接，并将所述残差连接后的结果通过第三Swish激活层进行一次Swish激活，所述下采样层为一层卷积核大小为3×3，stride=2，padding=1，输出通道数为输入通道数的两倍的卷积层，所述上采样层为一层卷积核大小为3×3，stride=2，padding=1，输出通道数为输入通道数的二分之一的反卷积层。

全文数据：

权利要求：

百度查询： 石河子大学 基于RGB图像重建高光谱图像的红枣水分含量等级检测方法

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