申请/专利权人：华南农业大学

申请日：2022-01-11

公开（公告）日：2024-04-16

公开（公告）号：CN114639009B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/40;G06V10/77;G06V10/764;G06V10/774;G06T5/60;G06T5/70;G06T5/30;G06T7/136;G06N20/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明公开了一种基于高光谱图像和机器学习的桂圆干品种分类方法及装置，方法包括：将同一品种桂圆干的多个不同样本为一组进行高光谱成像得到高光谱图像集；将所有高光谱图像集进行图像预处理得到桂圆干高光谱样本集；标明高光谱样本集中不同品种桂圆干图像所属的种类；对高光谱样本集进行数据降维得到降维后的数据集；将降维后的数据集分别导入SVM和KNN学习模型中进行监督学习，使用交叉验证法计算准确率，构建桂圆干分类模型；将处理后待检测桂圆干高光谱图像导入桂圆干分类模型进行分类，得到分类结果。本发明采用高光谱成像技术结合图像处理技术，提取感兴趣区域，使用K邻近算法和支持向量机两类机器学习模型，实现多种类桂圆干的分类识别。

主权项：1.基于高光谱图像和机器学习的桂圆干品种分类方法，其特征在于，包括下述步骤：将同一品种桂圆干的多个不同样本为一组进行高光谱成像，获取高光谱图像后，将高光谱图像中的桂圆干部分进行裁剪，得到该品种的高光谱图像集，对所有品种桂圆干都进行相同操作得到所有桂圆干高光谱图像集；将所有桂圆干高光谱图像集进行图像预处理，得到所有桂圆干高光谱样本集，所述高光谱样本集包含不同品种桂圆干的特征数据，所述图像预处理包括感兴趣区域截取、桂圆干图像块截取、图像像素灰度值提取以及数据的CSV格式存储；所述图像预处理具体为：对某一品种高光谱图像集中波数段为B1的原始图像使用阈值分割法，通过多次分割找到合适的阈值，使图像中的背景区域置为白色，有效区域及桂圆干区域置为黑色，得到掩膜图像，所述原始图像为人眼能分辨出的背景像素灰度值与桂圆干像素灰度值存在显著差异的图像；对掩膜图像进行腐蚀、膨胀处理，进一步消除图像内的噪声，得到降噪图像；对降噪图像进行边界提取，获取桂圆干矩形图像；对每张桂圆干矩形图像中的每一个像素的灰度值进行提取并拼接为向量V1，作为该品种桂圆干图像的特征信息，并将其作为CSV表格中的一行存储，在表格的最后一列进行种类标记，直到完成所有桂圆干矩形图像的处理以及CSV格式存储，得到桂圆干高光谱样本集；所述边界提取具体为：找到降噪图像中每个桂圆干的所有边界点，使所有边界点构成一个集合Ci，以图像左上角为原点，以右边为x轴正方向，以下边为y轴正方向构建直角坐标系，Ci则存储边界上的所有坐标，记为xi,yi；每个边界点集构成一个矩形，获取矩形左上角的坐标xa,ya与矩形的宽和高，构成每个桂圆干图像的最小外接矩形Ri，识别降噪图像中所有桂圆干的最小外接矩形；比较降噪图像中所有桂圆干的最小外接矩形Ri的面积大小，找到其中面积最大的最小外接矩形Rm，记Rm的中心点坐标为xc,yc，将高光谱图像集和掩膜图像中所有桂圆干按照Rm大小和位置进行裁剪，获得每个桂圆干单独的原始高光谱图像和掩膜图像；通过中心扩展算法，以坐标xc,yc作为算法的中心点依次向上下左右四个边界进行中心扩散，从中心点xc,yc开始，在获得的裁剪后的掩膜图像中向对应边界扩展，以1为间隔向对应边界移动，当移动i次后所在坐标对应的像素点灰度值为255，即当前点已经到达有效图像之外，则以上一坐标点为该掩模图像对应边界的边界点，记为POINTi，1≤i≤4，停止对应边界的边界扩展，进行下一对应边界的边界扩展，直到找到四个边界点，求得该掩模图像中桂圆干的最大内接矩形ri；比较掩模图像中所有桂圆干的ri面积大小，找到其中面积最小的最大内接矩形rm，将掩模图像中所有桂圆干均裁剪为rm的大小，裁剪后所得图像转化为矩阵Reti；记录Reti在掩膜图像中的位置以及大小，应用于该组样本所有波段的高光谱图像中，得到高光谱图像Ri,j，其中，i表示某品种桂圆干的样本数，j表示代表波段，1≤j≤224；对高光谱图像Ri,j进行超分辨率处理将图像放大，得到桂圆干最大内接矩形的超分辨率图像，即桂圆干矩形图像；标明高光谱样本集中不同品种桂圆干图像所属的桂圆种类；对高光谱样本集运用PCA算法进行数据降维，得到降维后数据集；将降维后数据集分别导入预先设立的SVM学习模型和KNN学习模型中进行监督学习，使用交叉验证分别计算两种模型得到的桂圆干品种识别准确率，构建桂圆干分类模型；将处理后的待检测桂圆干高光谱图像导入桂圆干分类模型进行分类，得到分类结果。

全文数据：

权利要求：

百度查询： 华南农业大学 基于高光谱图像和机器学习的桂圆干品种分类方法及装置

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