[发明专利]基于多尺度图像的生菜重金属含量检测方法

权利要求书

1.一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：

步骤1：利用三个摄像机对生菜进行图像采集，包括：关闭外置光源S，使其不发光，控制三台摄像机同时各自拍摄一张图像，分别记为开启外置光源S，使其发光，控制三台摄像机同时各自拍摄一张图像，分别记为对六幅图像进行归一化，获得归一化的六幅图像具体为：

对三幅图像按照下式(1)进行归一化：

其中，0ρ₁1为控制变量；I^C(i,j)表示图像矩阵I^C中第(i,j)坐标的值；w和h分别表示图像的宽度和高度；μ₁表示图像矩阵I^C的算术均值，σ₁表示图像矩阵I^C的标准差；X^C定义了外置光源关闭时采集的图像I^C的归一化图像；

对三幅图像按照下式(2)进行归一化：

其中，0ρ₂1为控制变量；I^S(i,j)表示图像矩阵I^S中第(i,j)坐标的值；w和h分别表示图像的宽度和高度；μ₂表示图像矩阵I^S的算术均值，σ₂表示图像矩阵I^S的标准差；X^S定义了外置光源开启时采集的图像I^S的归一化图像；

步骤2：以步骤1获得的归一化生菜图像为输入，建立神经网络学习模型，包括：

式子(3)中，c_0n表示关闭外置光源后，获得的归一化图像数据X^C，具体的，c₀₁、c₀₂、c₀₃分别对应表示矩阵c_0n中对应坐标(i,j)的值；p、q是以(i,j)为中心的二维卷积窗口的控制参数，二维卷积在窗口内(p,q)处的权值由定义；

式子(4)中，s_0n表示开启外置光源后，获得的归一化图像数据X^S，具体的，s₀₁、s₀₂、s₀₂分别对应表示矩阵s_0n中对应坐标(i,j)的值；p、q是以(i,j)为中心的二维卷积窗口的控制参数，二维卷积在窗口内(p,q)处的权值由定义，特别的，在本步骤中，p、q所组成的窗口大小为21×21；

式子(3)、(4)共同构成神经网络的输入层到第一个隐藏层H1的映射；

模型共有4个隐藏层H1、H2、H3、H4，和1个输出层；

该模型所使用的激励函数定义如下：

上式(11)中参数α和β用于在0值两边分别调整函数的收敛速度；

将采集到的样本数据输入神经网络中进行学习，最终得到多尺度分层神经网络学习模型；

利用学习得到的多尺度分层神经网络学习模型对输入的生菜图像进行检测识别，判断其重金属含量是否超标。

2.如权利要求1所述的一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：光源开启后稳定10秒再进行拍摄。

3.如权利要求1所述的一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：α＝2.3，β＝0.0428。

4.如权利要求1所述的一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：三台摄像机与被检测物的距离分别是L、2L、3L。

5.如权利要求1所述的一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：光源波长为700nm。