[发明专利]一种人工智能高光谱成像的粉体混合均匀度检测方法

权利要求书

1.人工智能高光谱成像的粉体混合均匀度检测方法，其特征在于，其中所述的方法包括如下步骤：

步骤1：建立混合粉体中目标粉体的空间分布辨识模型；

步骤2：建立目标粉体频数分布直方图模型，检测目标粉体混合均匀度。

2.根据权利要求1所述的方法，其特征在于，步骤1中建立目标粉体的空间分布辨识模型包括如下步骤：

步骤1：采集混合过程中目标粉体及混合粉体光谱图像；

步骤2：高光谱图像进行校正处理，减小暗电流、噪声，并转换为相对反射率数据；

步骤3：选取方形感兴趣区域进行高光谱数据预处理，消除干扰因素的影响，减少计算量；

步骤4：采用混合像元分解方法结合固定阈值法，构建目标粉体空间分布辨识模型。

3.根据权利要求2所述的方法，其特征在于，权利要求2中的步骤3中所述的高光谱数据预处理的方法包括最小噪声变化进行数据预降维。

4.根据权利要求2所述的方法，其特征在于，权利要求2中的步骤4所述的采用混合像元分解方法包括线性波谱分离、匹配滤波、混合调谐匹配滤波法、最小能量约束。

5.根据权利要求2所述的方法，其特征在于，步骤4所述的混合像元分解方法为采用混合调谐匹配滤波法获取目标粉体的辨识图像。

6.根据权利要求2～5任意一项所述的方法，其特征在于，在建立目标粉体的空间分布辨识模型后，进一步建立频数分布直方图模型，检测目标粉体混合均匀度包括如下步骤：

步骤1：空间分布辨识模型平均分割为多个相同大小的方形感兴趣区域；

步骤2：建立目标粉体频数分布直方图模型；

步骤3：评价模型检测目标粉体混合均匀度。

7.根据权利要求1～6任意一项所述的方法，频数分布直方图模型评价指标包括：均值、标准偏差、方差和偏度。

8.根据权利要求6～7任意一项所述的方法，其特征在于，频数分布直方图模型评价方法中，标准差、方差越大，则混合均匀度越差，偏度值越接近0，则混合均匀度越好。

9.权利要求1～8任意一项所述方法在粉体混合均匀度检测中的应用，所述粉体包括药品、食品和材料粉体。

10.根据权利要求9所述的应用，所述粉体为人工牛黄、人工麝香、冰片、羚羊角或水牛角浓缩粉。