申请/专利权人：华南农业大学

申请日：2021-10-20

公开（公告）日：2024-04-16

公开（公告）号：CN113989639B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/80;G06V10/22;G06V10/26;G06V10/52;G06V10/82;G06V20/68;G06N3/0464;G06N3/0455;G06N3/08;G01N21/88

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于高光谱图像分析处理方法的荔枝病害自动识别方法及装置，包括下述步骤：收集自然条件下的荔枝果实图像，组成果实源数据集；将果实训练数据集导入U‑Net语义分割网络模型中进行训练，得到荔枝果实分割识别模型；获取荔枝病害源数据集，并对所述果实源数据集进行预处理并根据病情指数DI进行分级，得到荔枝病害训练数据集；将荔枝病害训练数据集导入光谱数据分析模型进行训练，得到荔枝病害检测模型；将待测高光谱图像的可见光数据导入荔枝果实分割识别模型，得到分割识别结果；将所述分割识别结果导入荔枝病害检测模型，得到荔枝病害识别结果。本发明提高了荔枝病害检测的效率和精度，有助于及时掌握荔枝果实的荔枝病害状态。

主权项：1.基于高光谱图像分析处理方法的荔枝病害自动识别方法，其特征在于，包括下述步骤：收集自然条件下的荔枝果实图像，组成果实源数据集，并对其进行数据扩增和预处理得到果实训练数据集；将果实训练数据集导入U-Net语义分割网络模型中进行训练，得到荔枝果实分割识别模型；采集实验室条件下不同严重程度的荔枝病害光谱数据，组成荔枝病害源数据集，并对所述果实源数据集进行预处理并根据病情指数DI进行分级，得到荔枝病害训练数据集；将荔枝病害训练数据集导入光谱数据分析模型进行训练，得到荔枝病害检测模型；所述光谱数据分析模型包括特征波段提取、频域图创建和分类的步骤；所述特征波段提取，使用连续投影算法实现，该算法利用向量的投影分析，通过将波长投影到其他波长上，比较投影的大小，以投影向量最大的波长作为待选波长然后基于校正模型选择最终的特征波长；所述频域图创建和分类，先使用连续小波变换CWT将光谱数据转换为对应频域图，再使用GoogLeNet深度学习网络模型对频域图进行分类；将待测高光谱图像的可见光数据导入荔枝果实分割识别模型，得到分割识别结果；所述将荔枝病害训练数据集导入光谱数据分析模型进行训练，得到荔枝病害检测模型，具体为：随机地选择荔枝病害训练数据集中90％的图像作为荔枝病害训练数据集用于训练，10％的图像作为荔枝病害验证数据集用于验证；将荔枝病害训练数据集导入光谱数据分析模型进行训练，其中光谱数据分析模型具体包括以下步骤：1使用连续投影算法SPA进行特征波段提取，连续投影算法是前向特征变量选择方法，SPA利用向量的投影分析，通过将波长投影到其他波长上，比较投影的大小，以投影向量最大的波长作为待选波长然后基于校正模型选择最终的特征波长，SPA选择的是含有最少冗余信息及最小共线性的变量组合，SPA算法步骤如下：记初始迭代向量为xk0，需要提取的变量个数为N，光谱矩阵为J列，任选光谱矩阵中的1列记为第j列，把建模集的第j列赋值给xj，记为xk0；将未入选的列向量位置的集合记为s， 分别计算xj对剩余列向量的投影： 提取最大投影向量的光谱波长， 令当n≤N时，令n＝n+1循环计算；最后，提取出的变量为{xkn＝0,...,N-1}，对应的每一次循环中的k0和N，分别建立多元线性回归分析模型，得到建模交互验证均方根误差，对应于不同的候选特征子集，其中最小的RMSECV值对应的k0和N即为最优值；2通过连续小波变换创建光谱数据对应的频域表示图，具体为：设函数Ψx∈L1R∩L2R，并且即则称Ψt为一个基本小波，对基本小波Ψt作伸缩和平移得： 称Ψa,bt为小波函数，其中，a为尺度因子，b为平移因子；设Ψt是基本小波，Ψa,bt是连续小波函数，对于fx∈L2R，其连续小波变换定义为 其中，a,b,t均为连续变量，a≠0，Ψ*t表示Ψt的复共轭；3将连续小波变换创建的频域图作为网络模型的输入，通过有监督学习，使得网络模型具备定性分类的能力，以实现荔枝病害的定性分类识别；将所述分割识别结果导入荔枝病害检测模型，再调取分割识别结果区域对应的光谱数据，得到荔枝病害识别结果。

全文数据：

权利要求：

百度查询： 华南农业大学 基于高光谱图像分析处理方法的荔枝病害自动识别方法及装置

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