[发明专利]一种基于高光谱成像与深度学习的籽棉地膜在线识别方法

说明书

本发明公开一种基于高光谱成像与深度学习的籽棉地膜在线识别方法，利用高光谱成像仪获取籽棉地膜反射光谱图像，构建堆叠加权自编码器和粒子群优化的极限学习机组成的深度学习网络对高光谱图像在线识别，本发明利用深度学习中的堆叠加权自编码器与极限学习机构成的网络对籽棉地膜的高光谱图像进行分类，在每层自编码器中引入加权机制，在保证多通道输入优势的同时，降低噪声的影响；极限学习机的权值和偏置是随机确定的，容易产生过拟合，利用粒子群算法优化极限学习机的权值和偏置，在保证识别速度的同时，提高分类精度。堆叠加权自编码器与极限学习机构成的深度学习网络可以用于籽棉地膜的在线识别。

技术领域

本发明属于籽棉异纤识别技术领域，具体涉及一种基于高光谱成像与深度学习的籽棉地膜在线识别方法。

背景技术

我国是棉花生产和消费大国，棉花加工与纺织在国民经济中发挥着重要作用。新疆作为我国主要的产棉省份，棉花种植广泛应用了地膜覆盖技术，且棉花的采摘生产机械化程度高，在机械采摘过程中籽棉混杂了大量的地膜，如果清理不彻底，就会随着加工环节进入皮棉，必定会影响纺织品质量和纺织品的染色质量。目前机采棉含有的地膜残片已成为国内机采棉同进口机采棉在质量上的根本差距，是国内机采棉在加工、收储、销售等环节都遭到抵触和不畅的重要因素之一，已形成纺织企业在选择棉花时首选进口棉、再选手摘棉、慎选国内机采棉的尴尬局面，因此地膜的清理对新疆棉花产业来说是一个亟待解决的技术难题。

我国是棉花生产和消费大国，棉花加工与纺织在国民经济中发挥着重要作用。新疆作为我国主要的产棉省份，棉花种植广泛应用了地膜覆盖技术，且棉花的采摘生产机械化程度高，在机械采摘过程中籽棉混杂了大量的地膜，如果清理不彻底，就会随着加工环节进入皮棉，必定会影响纺织品质量和纺织品的染色质量。目前机采棉含有的地膜残片已成为国内机采棉同进口机采棉在质量上的根本差距，是国内机采棉在加工、收储、销售等环节都遭到抵触和不畅的重要因素之一，已形成纺织企业在选择棉花时首选进口棉、再选手摘棉、慎选国内机采棉的尴尬局面，因此地膜的清理对新疆棉花产业来说是一个亟待解决的技术难题。

发明内容

发明目的：针对现有技术存在的不足，本发明的目的是提供一种基于高光谱成像与深度学习的籽棉地膜在线识别方法。

技术方案：为了实现上述发明目的，本发明采用的技术方案如下：

一种基于高光谱成像与深度学习的籽棉地膜在线识别方法，利用高光谱成像仪获取籽棉地膜反射光谱图像，构建堆叠加权自编码器和粒子群优化的极限学习机组成的深度学习网络对高光谱图像在线识别，该方法的步骤如下：

(1)利用高光谱成像仪获取籽棉地膜的反射光谱图像；

(2)利用堆叠加权自编码器逐层提取与输出相关的高阶特征，高光谱图像中的每个像素点在1000nm～2500nm波段上的反射光谱构成的288维向量作为整个网络的输入，利用堆叠加权自编码器对288维向量进行降维；

(3)采用两层人工神经网络结合BP算法对堆叠加权自编码器的网络权重进行有监督的调整；

(4)训练完成后，将降维的高阶特征作为极限学习机的输入，利用优化算法对极限学习机的权值和偏置进行优化；

(5)利用优化后的极限学习机对降维后的36维的高阶特征进行处理，实现高光谱图像分类，从而识别棉籽地膜。

作为优选，步骤(1)中，高光谱成像仪获取籽棉地膜在1000nm～2500nm的反射光谱图像，5.6nm为一谱段，共采集288个谱段的数据。

作为优选，步骤(2)中，所述堆叠加权自编码器是由三层加权自编码器构成的深度神经网络，设置网络参数，逐层提取与输出相关的高阶特征；输入是高光谱图像中每个像素点在1000nm～2500nm波段的反射光谱构成的288维向量，经过三层加权自编码器降维，输出36维的高阶特征。