买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：马翔

摘要：本发明公开了一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法，采用可用于鲜枣虫眼检测的卷积神经网络模型进行检测，卷积神经网络模型的构建方法包括如下步骤：S1，采集样本高光谱图像数据；S2，提取最优特征波长；S3，数据预处理；S4，利用训练样本集训练卷积神经网络模型；S5，利用模型对数据集进行分类验证。本发明基于高光谱图像卷积神经网络的鲜枣虫眼检测方法，在选定特征波长下，通过对高光谱图像数据的处理，无需人工干预即可实现对鲜枣虫眼的检测，提高了网络模型对鲜枣虫眼的检测精度，解决了现有鲜枣计算机视觉检测过程中因鲜枣表面色块、斑点、果梗等干扰造成误判的问题，具有简单易行、识别高效的特点。

主权项：1.一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法，其特征在于：采用可用于鲜枣虫眼检测的卷积神经网络模型进行检测，该可用于鲜枣虫眼检测的卷积神经网络模型的构建方法包括如下步骤：S1，采集样本高光谱图像数据；S2，提取最优特征波长；S3，抽取特征波长下鲜枣高光谱数据，数据预处理得到训练样本集；S4，利用训练样本集训练卷积神经网络模型；S5，利用模型对数据集进行分类验证；S2提取最优特征波长是基于鲜枣虫眼光谱特性，提出一种基于粒子群算法的最优特征波长快速提取算法，具体包括如下步骤：S2.1，从样本集中抽取全光谱鲜枣虫眼区域3*3像素高光谱数据均值构成矩阵A 及鲜枣正常区域3*3像素高光谱数据均值构成矩阵C 其中anm为第n个样本的第m波段虫眼区域高光谱数据均值，cnm为第n个样本的第m波段正常区域高光谱数据均值；S2.2，设计粒子群算法适应度函数fx为高光谱数据矩阵A与高光谱数据矩阵C对应像素点在不同波段下的像素差的绝对值的倒数： 其中，anx为A矩阵第n行第x列数据，cnx为C矩阵第n行第x列数据；S2.3，将寻找最优特征波长问题转换成求目标函数fx最小值的问题，取粒子初始种群数为30个，惯性权重w＝0.6，学习因子c1＝c2＝1.4，最大迭代次数为500次，算法终止条件为达到最大迭代次数或fx小于1255；S2.4，选取上述算法迭代后fx最小值所对应的波长变量，作为后续鲜枣虫眼识别所需的特征波长。

全文数据：

权利要求：

百度查询： 马翔 一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法