[发明专利]深度学习下的彩绘类文物成像高光谱无损检测与识别系统

权利要求书

1.一种深度学习下的彩绘类文物成像高光谱无损检测与识别系统，其特征在于，包括镜头及滤波子系统、高速成像子系统和分析处理模块；其中，

所述镜头及滤波子系统用于在所述高速成像子系统的控制下，采用自适应光谱快速探测技术对待测文物的高光谱图像进行采集；

所述高速成像子系统用于控制所述镜头及滤波子系统的工作参数，并实现对所述镜头及滤波子系统所采集的高光谱图像的传输和存储；

所述分析处理模块用于对采集的高光谱图像进行处理和分析，完成对待测文物的信息识别与信息提取，并以图形界面的方式显示识别及提取结果；

所述镜头及滤波子系统包括前置镜头、宽谱段自抗扰分光器以及成像镜头；其中，

所述前置镜头用于在光源将成像波段光线投射在待测文物上后，采集待测文物大视场的图像数据，并将采集的图像数据聚焦在宽谱段自抗扰分光器上；

所述宽谱段自抗扰分光器选取所需波段将其图像呈现在所述成像镜头上进行成像，实现对待测文物的高光谱图像采集；

所述宽谱段自抗扰分光器包括声光可调谐滤波器、自跟随前馈控制模块以及驱动模块；其中，

所述驱动模块与所述高速成像子系统通信连接，用于在所述高速成像子系统的控制下，为所述声光可调谐滤波器提供射频功率信号；

所述声光可调谐滤波器包括声光晶体和键合在其上的双路超声换能器，用于基于驱动模块提供的射频功率信号，通过超声换能器将电信号转换为超声信号后与入射复色光进行周期性调制，产生所需波长的衍射光；

所述自跟随前馈控制模块用于对超声换能器输出信号实现自跟随与矫正；

所述宽谱段自抗扰分光器的设计，包括：

建立所述声光可调谐滤波器的动态模型，并将其储存在系统中；在单次系统自检时，通过设定信号组更新已有被控对象模型；

调整所述驱动模块传送至所述声光可调谐滤波器的射频功率，改变分光后的输出光强，实现高精度扫描模式可变的可控扫描；

构建双路超声换能器，通过基于所建立的动态模型下的自跟随前馈控制模块，对所述超声换能器的输出信号实现自动跟随与矫正；

通过所述双路超声换能器进行入射光周期性调制，产生所需波长的衍射；

所述高速成像子系统包括FPGA控制器和存储模块；

所述FPGA控制器用于在系统启动时完成所述镜头及滤波子系统的初始化配置，控制所述镜头及滤波子系统采集待测文物的高光谱图像，并将采集的高光谱图像保存至存储模块中，以及将高光谱图像上传至所述分析处理模块；

所述自适应光谱快速探测技术，包括：

所述FPGA控制器通过通信协议对高速数据通路进行配置，更新声光可调谐滤波器模型，并发送行解码信号对镜头及滤波子系统进行启动和模式配置；

所述镜头及滤波子系统在所述FPGA控制器的控制下，通过所述自跟随前馈控制模块控制光路波段转换，采集高光谱图像，并输出所采集的高光谱图像；

所述FPGA控制器通过内部的串并转换器，将所述镜头及滤波子系统输出的串行图像数据转换为并行数据，使用预配置精简协议的大带宽数据通道，将并行数据存入高速外部缓冲内存芯片中，然后保存至所述存储模块中；

综合不同波段的前置镜头或成像镜头，实现对所需波段的大面阵感光。

2.如权利要求1所述的深度学习下的彩绘类文物成像高光谱无损检测与识别系统，其特征在于，所述分析处理模块具体用于：基于预先构建的谱信息特征矩网络对采集的高光谱图像进行处理和分析，完成对待测文物的信息识别与信息提取，并将识别及提取结果以图形界面的方式显示到屏幕上。

3.如权利要求2所述的深度学习下的彩绘类文物成像高光谱无损检测与识别系统，其特征在于，所述谱信息特征矩网络包括谱信息卷积核、多层特征矩和循环神经网络；所述谱信息特征矩网络的构建过程，包括：

构建彩绘类文物敏感波段知识库；

根据所述彩绘类文物敏感波段知识库，设计谱信息卷积形式与多层特征矩，建立谱信息特征矩阵循环神经网络，并进行训练。

4.如权利要求3所述的深度学习下的彩绘类文物成像高光谱无损检测与识别系统，其特征在于，所述谱信息卷积核为低相关数据依赖一维卷积核；所述一维卷积核与循环神经网络保留了高光谱图谱关系与相关波段位置信息。

5.如权利要求1-4任一项所述的深度学习下的彩绘类文物成像高光谱无损检测与识别系统，其特征在于，所述系统使用GTX高速通信作为内部通信。