[发明专利]一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法

说明书

本发明涉及一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法，所述的检测装置包括检测单元和与检测单元连接的计算单元，所述的计算单元上设置图谱处理与分析模块；所述的检测单元包括光谱成像仪，所述的光谱成像仪由成像仪、相机、镜头组成；光谱成像仪的镜头正下方设置置物台，置物台上设置有黑板，所述的置物台上矩阵形式排列有样本，置物台与光谱成像仪之间设置光源。利用本发明装置及方法完成一种基于高光谱成像的图谱特征融合深度网络的名优大米种类快速鉴别，实现对名优种类大米的准确识别。

技术领域

本发明涉及农产品品质检测领域，特别涉及一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法。

背景技术

民以食为天，大米是中国人餐桌上必不可少的食品。同时，由于不同地域、土壤和环境造就了品质各异的特色大米，不同品质大米的营养价值有所区别，价格存在较大的差距。随着生活水平的提高，消费者在购买大米时开始关注大米品质。目前大米销售中以次充好的情况不断出现，这些现象侵犯了消费者权益，也会影响我国优质大米的对外出口贸易。由于外观差别微小，不同品质大米难以直接区分。

发明内容

本发明的目的在于提供一种图谱特征融合深度网络的大米种类快速鉴别检测装置及其检测方法，利用本发明装置及方法完成一种基于高光谱成像的图谱特征融合深度网络的名优大米种类快速鉴别，实现对名优种类大米的准确识别。

为实现以上目的，本发明采用的技术方案为：一种图谱特征融合深度网络的大米种类快速鉴别检测装置，包括检测单元和与检测单元连接的计算单元，所述的计算单元上设置图谱处理与分析模块；

所述的检测单元包括光谱成像仪，所述的光谱成像仪由成像仪、相机、镜头组成；光谱成像仪的镜头正下方设置置物台，置物台上设置有黑板，所述的置物台上矩阵形式排列有样本，置物台与光谱成像仪之间设置光源。

进一步的，置物台与光谱成像仪之间的两侧对称设置有支撑架，所述的光源设置于所述的支撑架上。

再进一步的，光谱成像仪的镜头正对置物台的中间位置，所述的光源对称设置于置物台上方的两侧。

一种图谱特征融合深度网络的大米种类快速鉴别检测方法，包括以下步骤：

(1)图谱信息采集：黑板校正，设置样本数量，将大米按照m*n矩阵型排列摆好，采集大米的高光谱图像。利用图像提取反射率，再采用二值化方法提取感兴趣区域。

(2)图谱特征提取：

(2-1)光谱特征：对于步骤(1)的感兴趣区域提取得到光谱原始数据。由于光谱信息包含了噪声等无用信息，需要对光谱信息进行预处理，来消除不想要的信息并提升模型的准确性和稳定性。本发明采用多元散射校正(MSC)对原始数据的平均光谱数据进行预处理，使各种电子源产生的噪声和样本条件变化最小化。为了消除不相关变量，提高模型性能，对原始全波段数据提取特征波长，本发明采用连续投影算法(SPA)来提取特征波长，SPA是一种前向循环的，能够消除光谱中大量冗余信息同时降低共线性的经典特征波长选择方法。

(2-2)形态特征：利用步骤(2-1)选取的特征波长中的最优特征波长对应图像的二值化图提取形态特征参数，主要包括：面积，长轴长，短轴长，长短轴比，长度，宽度，最小外接面积，紧密度，周长，离心率共十个形态特征参数。

(2-3)纹理特征：利用步骤(2-1)选取的特征波长对应图像的灰度图提取纹理特征。具体采用三种方法：1.直方图统计法的6个主要特征值；2.灰度游程长度统计法的11个主要特征值；3.灰度差分统计法的4个主要特征值。将三种方法所得到的所有参数数值利用归一化算法换算到同一个数量级中，来消除各个特征参数之间的差异。

(2-4)融合：将得到的光谱、形态、纹理三种特征进行组合融合，得到光谱、形态与纹理数据的组合数据。