[发明专利]一种用于深度学习的籽棉地膜高光谱可视化标签方法

说明书

本发明公开了一种用于深度学习的籽棉地膜高光谱可视化标签方法，属于高光谱成像与深度学习技术领域。利用相邻替代性算法分析光谱的特征谱段，再结合二分法，将图像数据进行降维，生成籽棉地膜的高光谱伪彩色图，并使用框选标记的形式对伪彩色图进行标记，通过二维图像标记对应产生高维光谱的图像标签。本发明将高光谱技术应用于籽棉地膜识别领域，对于彩色相机和黑白相机无法识别的残留的透明地膜，本发明通过高光谱成像仪采集籽棉地膜在1000～2500nm的高光谱图像，进而识别并分类与籽棉具有不同光谱特性的残膜。

技术领域

本发明属于高光谱成像与深度学习技术领域，具体涉及一种用于深度学习的籽棉地膜高光谱可视化标签方法。

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。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，深度学习是解决机采棉含有的地膜残片的一种有效途径，但深度学习需要大量的标签化的数据，传统的标记方式产生的数据量难以满足机器学习的需求，这成为了深度学习应用于光谱领域的阻碍，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

针对现有技术中存在的以下问题：混杂籽棉中的地膜识别需要1000～2500nm波段的近红外光谱，这一波段的光人眼不可见，故难以从成像光谱中获得直观感受进行区分，使用深度学习对于光谱进行识别却需要大量人工标记的数据，这与近红外光谱人眼难以区分的问题形成矛盾，使得用户无法直观地对于不可见的高光谱数据进行标记。本发明的目的是提供一种用于深度学习的籽棉地膜高光谱可视化标签方法，将高光谱技术应用于籽棉地膜识别领域，对于彩色相机和黑白相机无法识别的残留的透明地膜，进行识别并分类与籽棉具有不同光谱特性的残膜。

为了解决上述问题，本发明所采用的技术方案如下：

一种用于深度学习的籽棉地膜高光谱可视化标签方法，利用相邻替代性算法分析光谱的特征谱段，再结合二分法，将图像数据进行降维，生成籽棉地膜的高光谱伪彩色图；并使用框选标记与边缘扩散的形式对伪彩色图进行标记；通过二维图像的标记对应产生高维光谱的图像标签。具体包括以下步骤：

(1)获取籽棉地膜的高光谱图像，并对获得的光谱数据进行校正与降噪；

(2)将光谱图像分为三个子数据集D1，D2，D3；对各个数据集内的图片I_i求取可替代性系数r_i；r_i的计算公式为：

式中，S_i表示图片的标准差，I_i+1为相邻的下一张光谱图片；

(3)通过二分法将光谱图像中可替代性低于中间值的光谱图片去除；

(4)重复步骤(2)与步骤(3)，直至每个子数据集的图片数减少至1，即为提取出的子数据集的代表性图片；

(5)将每个子数据集的代表性图片对应RGB图像的3个通道，生成籽棉地膜的高光谱伪彩色图；

(6)使用框标记的形式对伪彩色图进行标记，通过二维图像的标记对应产生高维光谱的图像标签；

(7)添加标签后，依据框选区域内的光谱对外进行边缘扩散；

(8)用户决定是否保留扩散区域；用户决定保留扩散区域时，将光谱数据随机打乱并将标签转化为独热编码，从而生成便于神经网络训练的标签化光谱数据。

所述用于深度学习的籽棉地膜高光谱可视化标签方法，利用芬兰SPECIM公司的SWIR系列高光谱成像仪来获取高光谱图像。