申请/专利权人:华南农业大学
申请日:2024-01-29
公开(公告)日:2024-04-30
公开(公告)号:CN117953490A
主分类号:G06V20/68
分类号:G06V20/68;G06V10/58;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/082;G01N21/27;G01N21/359
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种鸡肉新鲜度无损检测方法,包括:采集鸡肉样本的高光谱图像数据并进行均值归一化预处理,形成可见光高光谱数据集和短波近红外光谱数据集,它们共同构成预处理后的高光谱图像数据;对高光谱图像数据进行特征波长的提取,形成特征波段数据集;对高光谱图像数据中数据进行融合,形成一个数据融合数据集;将预处理后的可见光高光谱数据集、短波近红外光谱数据集、特征波段数据集和数据融合数据集,输入一个训练好的改进残差网络,输出包括上述数据集在测试集上建模的准确率与模型建立所需时间,选取在测试集上具有最高准确率和模型建立时间最短的结果,作为鸡肉新鲜度的无损分类结果。本发明可实现快速、无损的鸡肉新鲜度检测。
主权项:1.一种鸡肉新鲜度无损检测方法,其特征在于,包括以下步骤:S1:采集待测鸡肉样本的高光谱图像数据,所述高光谱图像数据涵盖可见光高光谱数据和短波近红外光谱数据;S2:对采集到的高光谱图像数据进行均值归一化预处理形成可见光高光谱数据集和短波近红外光谱数据集,这两个数据集共同构成预处理后的高光谱图像数据,其中均值归一化预处理是通过将每个特征值减去特征的平均值并使整体数据分布以零为中心,消除不同量纲和数值范围带来的影响;S3:利用竞争自适应重加权采样算法对预处理后的高光谱图像数据进行特征波长的提取,用于筛选出与鸡肉新鲜度密切相关的特征波段,并通过选择出的特征波段和对应波段的高光谱图像数据形成特征波段数据集;S4:对预处理后的可见光高光谱数据集和短波近红外光谱数据集进行数据融合,形成一个数据融合数据集;S5:将预处理后的可见光高光谱数据集、短波近红外光谱数据集、特征波段数据集和数据融合数据集,输入到一个已训练好的鸡肉新鲜度分类模型,该鸡肉新鲜度分类模型为改进残差网络,该改进残差网络的输出包括上述数据集在测试集上建模的准确率与模型建立所需时间,通过比较准确率和时间这两个指标,选取在测试集上具有最高准确率和模型建立时间最短的结果,作为鸡肉新鲜度的无损分类结果;其中,该改进残差网络为高光谱图像数据处理引入一维卷积层,并对残差块进行设计优化,使残差块包含用于调整通道数和步长的1×1卷积层,同时,残差块还包含批量归一化和ReLU激活函数,增强网络处理高光谱图像数据的能力,并提高网络在深层结构中的信息流通性和学习效率。
全文数据:
权利要求:
百度查询: 华南农业大学 一种鸡肉新鲜度无损检测方法
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。