[发明专利]一种基于角度高光谱信息的人参无损识别方法在审

专利信息
申请号: 202210710776.7 申请日: 2022-06-22
公开(公告)号: CN115082653A 公开(公告)日: 2022-09-20
发明(设计)人: 陈兴峰;赵利民;周凯文;史婷婷;杜鹤娟;李家国;刘军;刘述民;张小波;顾书华;蒙继华 申请(专利权)人: 中国科学院空天信息创新研究院
主分类号: G06V10/141 分类号: G06V10/141;G06V10/774;G06V10/82;G06N3/04;G06N3/08;G01N21/3563;G01N21/25
代理公司: 北京亿腾知识产权代理事务所(普通合伙) 11309 代理人: 陈霁
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 角度 光谱 信息 人参 无损 识别 方法
【说明书】:

发明涉及一种基于角度高光谱信息的人参无损识别方法,方法包括:获取已经标注了年份和产地信息的人参样本;在暗室环境下,使用VNIR光谱仪和多光谱相机,在人工光源的两个角度下,分别对人参样本进行拍摄,分别得到两组一维向量辐亮度数据和两组多光谱图像数据;对两组一维向量辐亮度数据进行辐射校正,得到两组VNIR高光谱反射率一维向量数据;构建一个拥有四路输入的神经网络,将两组VNIR高光谱反射率一维向量数据和两组多光谱图像数据输入,以年份和产地数据作为标签,对神经网络进行迭代训练,得到训练完成的神经网络;使用训练完成的神经网络对待检测人参进行无损识别,得到待检测人参的年份和产地数据。

技术领域

本发明涉及光谱信息识别领域,尤其涉及一种基于角度高光谱信息的人参无损识别方法。

背景技术

传统的人参年份识别主要体现在芦头的物理形态上,而近年来出现了以低年份伪装高年份人参的现象,使基于芦、艼、体、须等外观特征的辨识方法不再可靠。基于芦头内的草酸钙簇晶含量的显微鉴别方法、通过皂苷等成分分析的质谱法、液相色谱法等具有较高的年份识别精度,但均需对人参样本造成破坏;激光诱导击穿光谱技术微量取样破坏较小,但需要纯净、干燥、研磨、高压压制等复杂工序。同样采用性状观察法、化学指纹图谱法、光谱分析、分子识别等方法进行人参产地的识别。

但上述方法均要求有一定的经验积累或者专业知识,都不适用于非专业人士。同时在识别的过程中易造成样品损毁,故对于经济价值较高的人参药材来说,迫切需要研发一种快速无损的检测方法。

现在,虽然有利用高光谱成像的应用,但并没有使用角度信息,且没有进行低成本的选择,没有区分重要光谱范围,造成硬件制造成本高。

发明内容

本发明的目的是提供一种基于角度高光谱信息的人参无损识别方法,旨在设计一种低成本的角度、光谱、空间信息联合用于人参年份和产地识别的方法,不仅适用于非专业人士,而且具有无损、低成本的优势。

本发明为解决上述技术问题采用的技术方案为,提供了一种基于角度高光谱信息的人参无损识别方法,方法包括:

获取已经标注了年份和产地信息的人参样本;

在暗室环境下,使用两个不同角度下的人工光源进行照明,同时在黑色履带上放置具有接近朗伯体反射特性的白板,以实现辐射校正,其中,所述人参样本放置在所述黑色履带上;

使用可见光/近红外VNIR光谱仪和多光谱相机,在人工光源的第一角度下,分别对所述人参样本进行拍摄,分别得到第一一维向量辐亮度数据和第一多光谱图像数据;

使用VNIR光谱仪和多光谱相机,在人工光源的第二角度下,分别对所述人参样本进行拍摄,分别得到第二一维向量辐亮度数据和第二多光谱图像数据;

对所述两组一维向量辐亮度数据使用如下公式进行辐射校正,得到两组VNIR高光谱反射率一维向量数据ρλ,其中,λ为电磁波长,DNλ为VNIR高光谱辐亮度数值,E(DNwbλ)为白板的VNIR高光谱辐亮度;

构建一个拥有四路输入的神经网络,将所述两组VNIR高光谱反射率一维向量数据使用全连接神经网络形式进行输入,将所述两组多光谱图像数据使用卷积神经网络形式进行输入,以所述年份和产地数据作为标签,对所述神经网络进行迭代训练,得到训练完成的神经网络;

使用所述训练完成的神经网络对待检测人参进行无损识别,得到待检测人参的年份和产地数据。

在一种可能的实施方式中,所述VNIR光谱仪拥有108个光谱波段,所述多光谱相机拥有蓝、绿、红、近红外4个波段。

在一种可能的实施方式中,所述VNIR光谱仪与多光谱相机的几何参数和辐射参数,都设置为固定值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院空天信息创新研究院,未经中国科学院空天信息创新研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210710776.7/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top