[发明专利]基于深度学习的红肉分类方法、装置、设备及存储介质

说明书

本发明公开了一种基于深度学习的红肉分类方法、装置、设备及存储介质，所述方法包括：通过获取待分类的红肉高光谱图像信息；将所述待分类的红肉高光谱图像信息输入预设度量函数，得到所述待分类的红肉高光谱图像信息中各个特征信息之间的相似度信息；根据所述相似度信息提取所述待分类的红肉高光谱图像信息中的参考特征信息；对所述参考特征信息进行降维，得到目标特征信息；基于深度学习对所述目标特征信息进行空谱联合分类，得到目标种类信息，从而首先通过合适的预设度量函数对提取红肉高光谱图像信息的特征信息，然后基于深度学习提取空谱联合特征信息，提高红肉类高光谱图像的分类精度。

技术领域

本发明涉及遥感技术领域，尤其涉及一种基于深度学习的红肉分类方法、装置、设备及存储介质。

背景技术

近十年由遥感领域发展而来的高光谱技术，应用于多个领域的无损检测，高光谱图像和其他图像相比，除了空间信息外还包含丰富的光谱信息，结合光谱处理方法和图像处理算法适用于红肉类品质无损检测。目前，基于高光谱技术在牛羊猪肉的检测，包括嫩度、PH值、系水力、大理石花纹和微生物化学等方面取得了一定的成果；

但是高光谱图像存在高维、谱间相似性及混合像素的特性，且数据量庞大，这些特性导致其分类算法的时间和空间复杂度都较高，因此造成分类精度不高的问题。

发明内容

本发明的主要目的在于提出一种基于深度学习的红肉分类方法、装置、设备及存储介质，旨在解决在高光谱图像进行分类时识别精度不高的技术问题。

为实现上述目的，本发明提供一种基于深度学习的红肉分类方法，所述基于深度学习的红肉分类方法包括以下步骤：

获取待分类的红肉高光谱图像信息；

将所述待分类的红肉高光谱图像信息输入预设度量函数，得到所述待分类的红肉高光谱图像信息中各个特征信息之间的相似度信息；

根据所述相似度信息提取所述待分类的红肉高光谱图像信息中的参考特征信息；

对所述参考特征信息进行降维，得到目标特征信息；

基于深度学习对所述目标特征信息进行空谱联合分类，得到目标种类信息。

优选地，所述获取待分类的红肉高光谱图像信息，包括；

获取红肉高光谱样本图像信息；

对所述红肉高光谱样本图像信息进行核主成分分析，得到分析后的红肉高光谱样本图像信息；

将分析后的红肉高光谱样本图像信息作为待分类的红肉高光谱图像信息。

优选地，所述对所述红肉高光谱样本图像信息进行核主成分分析，得到分析后的红肉高光谱样本图像信息，包括：

选取预设核函数，根据选取的预设核函数将所述红肉高光谱样本图像信息中的非线性特征映射到高维特征空间，得到相关矩阵信息；

获取主成分判定条件，将所述相关矩阵信息代入所述主成分判定条件中得到主成分判定函数；

对所述主成分判定函数进行求解，得到分析后的红肉高光谱样本图像信息。

优选地，所述将所述待分类的红肉高光谱图像信息输入预设度量函数，得到所述待分类的红肉高光谱图像信息中各个特征信息之间的相似度信息，包括：

提取所述待分类的红肉高光谱图像信息的酉矩阵以及对角矩阵；

根据所述酉矩阵得到酉矩阵的转置；

将所述酉矩阵、对角矩阵以及酉矩阵的转置输入预设度量函数，得到所述待分类的红肉高光谱图像信息中各个特征信息之间的距离信息；

将所述距离信息作为所述相似度信息；