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：昆明理工大学

摘要：本发明公开了一种基于辨状论质理论和深度聚类学习的三七分级方法，本发明方法使用微单相机对三七横切面的正反面进行拍照，并对图片进行去噪处理，运用双三次插值方法对图片大小、分辨率进行调整，对调整后的每张图片分别进行颜色抖动和增强灰度处理，然后采用深度神经聚类方法对三七片进行分级；本发明方法具有高效、准确、泛化、自动化和智能化等优点，分类级别与三七皂苷、总多糖和总黄酮含量检测结果一致，该方法能够显著提升三七片分级的精确度和效率，降低分级成本，为不同质量等级的三七片快速分选提供了技术支撑，为三七优质优价和科学开发利用提供了理论支撑。

主权项：1.一种基于辨状论质理论和深度聚类学习的三七分级方法，其特征在于，包括以下步骤：1使用微单相机对三七片横切面的正反面进行拍照，并对图片进行去噪处理，运用双三次插值方法对图片大小、分辨率进行调整；2对调整后的每张图片分别进行颜色抖动和增强灰度处理，得到颜色抖动后的图片数据和增强灰度后的图片数据其中i＝1,2,…N，N为三七图片的个数；3使用参数共享的深度神经网络ResNet-34作为编码器，将增强后的图片数据输入到编码器中，提取得到图片特征4实例级对比学习将步骤3中提取的图片特征进行特征映射，使用双层非线性感知机gins·作为映射函数将特征矩阵映射到子空间，获得特征子空间和采用归一化点积的方法计算样本之间的余弦相似度，其中k1,k2∈{a,b}，i,i′∈[1,N]，T表示转置；然后采用InfoNCE函数计算损失以最大化正样本之间的相似度，最小化与负样本之间的相似度，其中经过颜色抖动的三七图片i的损失经过增强灰度的三七图片i的损失式中分别是样本i经过颜色抖动和增强灰度处理后的子空间特征，而是与三七图片i配对的负样本的子空间特征，τins为温度参数；5语义级对比学习将在步骤3中提取的图片特征使用双层非线性感知机gsem·分别投影到一个维数等于簇数M的空间，即和其中表示经过颜色抖动的三七图片i的软标签，表示增强灰度的三七图片i的软标签，投影后分别获得具有N行M列的特征矩阵Ya、Yb，其中N表示三七图片的个数，M表示簇数即三七分类数，表示经过颜色抖动的三七图片i被配到第j簇的概率，表示经过增强灰度的三七图片i被配到第j簇的概率，由表示特征矩阵Ya的第j列，表示特征矩阵Yb的第j列，同样使用余弦距离来衡量簇对之间的相似性： 其中k1,k2∈{a,b}，j,j′∈[1,M]，T表示转置；然后计算每种三七类别的对比损失 其中τsem为簇级温度参数；然后将损失相加得到语义级对比学习的损失：其中HY为聚类结果的熵； 其中表示经过颜色抖动后第j种三七类别的占比，表示增强灰度后第j种三七类别的占比，6将在实例级对比学习和语义级对比学习中分别计算得到的损失进行相加得到总损失L＝Lins+Lsem为了不断优化模型并使其参数达到最优，利用总损失L进行反向传播，计算每个参数对总损失函数L的梯度，然后根据梯度下降法则更新模型中的参数，通过不断迭代这个过程，以逐渐优化模型，直至模型参数调至最优，总损失函数达到最小；7在模型训练完成后，将待分类的三七片的图片进行去噪处理和样品像素归一化处理后直接导入已训练好的模型进行分类；模型将根据学习到的特征表示，对每个样本进行分类，并输出每个样本属于不同类别的概率分布，即簇软分布概率，选择具有最大概率且准确率最高的类别作为样本的所属类别。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于辨状论质理论和深度聚类学习的三七分级方法