申请/专利权人:昆明理工大学
申请日:2024-01-26
公开(公告)日:2024-04-26
公开(公告)号:CN117935056A
主分类号:G06V20/10
分类号:G06V20/10;G01N21/25;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于高光谱图像处理的中药材鉴别模型构建方法及系统,方法包括:获取不同类别中药材的高光谱图像,对高光谱图像进行处理,获得包含光谱维度的全波长光谱数据集;将全波长光谱数据集输入至卷积神经网络模型进行训练,获得训练好的全波长光谱中药材鉴别的卷积神经网络模型;基于全波长光谱中药材鉴别的卷积神经网络模型,生成反映不同类别中药材的波长重要性曲线;基于波长重要性曲线选择关键光谱特征波长;根据关键光谱特征波长构建特征波长数据集;基于特征波长数据集输入至卷积神经网络模型进行训练,获得训练好的特征波长光谱中药材鉴别模型。本发明在很大程度上节约了资源与时间,为中药材分类提供了一种高效和可靠的技术途径,具有广阔的应用潜力和实践价值。
主权项:1.一种基于高光谱图像处理的中药材鉴别模型构建方法,其特征在于,包括:获取不同类别中药材的高光谱图像,对所述高光谱图像进行处理,获得包含光谱维度的全波长光谱数据集;将所述全波长光谱数据集输入至卷积神经网络模型进行训练,获得训练好的全波长光谱中药材鉴别的卷积神经网络模型;基于所述全波长光谱中药材鉴别的卷积神经网络模型,生成反映不同类别中药材的波长重要性曲线;基于所述波长重要性曲线选择关键光谱特征波长;根据所述关键光谱特征波长构建特征波长数据集;基于所述特征波长数据集输入至卷积神经网络模型进行训练,获得训练好的特征波长光谱中药材鉴别模型。
全文数据:
权利要求:
百度查询: 昆明理工大学 基于高光谱图像处理的中药材鉴别模型构建方法及系统
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。