[发明专利]一种基于图像结合高光谱的贝母品种鉴别方法及系统

权利要求书

1.一种基于图像结合高光谱的贝母品种鉴别方法，其特征在于，包括：

获取待测贝母样本的图像数据；

将所述待测贝母样本的图像数据输入图像鉴别模型中，得到第一鉴别结果；所述图像鉴别模型是采用贝母样本集的图像数据对卷积神经网络进行训练得到的；

若所述第一鉴别结果为平贝，则将所述待测贝母样本确定为平贝品种；

若所述第一鉴别结果为非平贝，则获取所述待测贝母样本的光谱数据；

将所述待测贝母样本的光谱数据输入高光谱鉴别模型中，得到第二鉴别结果；所述高光谱鉴别模型是采用贝母样本集的光谱数据，基于目标检测算法构建得到的；

根据所述第二鉴别结果确定所述待测贝母样本的品种。

2.根据权利要求1所述的基于图像结合高光谱的贝母品种鉴别方法，其特征在于，所述获取待测贝母样本的图像数据，包括：

利用数码单反相机获取所述待测贝母样本的图像数据。

3.根据权利要求1所述的基于图像结合高光谱的贝母品种鉴别方法，其特征在于，所述图像鉴别模型的确定方法为：

获取贝母样本集的图像数据，并将所述贝母样本集的图像数据按照7:3的比例划分为图像训练集和图像测试集；

构建卷积神经网络；

根据所述图像训练集输入所述卷积神经网络进行训练，得到训练好的卷积神经网络；

将所述图像测试集输入所述训练好的卷积神经网络进行测试，得到所述图像鉴别模型。

4.根据权利要求1所述的基于图像结合高光谱的贝母品种鉴别方法，其特征在于，所述获取所述待测贝母样本的光谱数据，包括：

利用近红外高光谱仪获得待测贝母样本的光谱数据；所述近红外高光谱仪采用卤素灯提供照明，所述近红外高光谱仪固定在暗箱中。

5.根据权利要求1所述的基于图像结合高光谱的贝母品种鉴别方法，其特征在于，所述高光谱鉴别模型的确定方法为：

获取贝母样本集的光谱数据，并将所述贝母样本集的光谱数据按照7:3的比例划分为光谱训练集和光谱测试集；

构建基于机器学习的目标检测算法模型；

根据所述光谱训练集输入所述目标检测算法模型对进行训练，得到训练好的目标检测算法模型；

将所述光谱测试集输入所述训练好的目标检测算法模型进行测试，得到所述高光谱鉴别模型。

6.根据权利要求1所述的基于图像结合高光谱的贝母品种鉴别方法，其特征在于，所述根据所述第二鉴别结果确定所述待测贝母样本的品种，包括：

若所述第二鉴别结果为青贝，则将所述待测贝母样本确定为青贝品种；

若所述第二鉴别结果为松贝，则将所述待测贝母样本确定为松贝品种。

7.一种基于图像结合高光谱的贝母品种鉴别系统，其特征在于，包括：

获取模块，用于获取待测贝母样本的图像数据；

第一鉴别模块，用于将所述图像数据输入图像鉴别模型中，得到第一鉴别结果；所述图像鉴别模型是采用贝母样本集的图像数据对卷积神经网络进行训练得到的；

第一确定模块，用于若所述第一鉴别结果为平贝时，将所述待测贝母样本确定为平贝品种；

第二获取模块，用于若所述第一鉴别结果为非平贝时，则获取所述待测贝母样本的光谱数据；

第二鉴别模块，用于将所述光谱数据输入高光谱鉴别模型中，得到第二鉴别结果；所述高光谱鉴别模型是采用贝母样本集的光谱数据，基于目标检测算法构建得到的；

第二确定模块，用于根据所述第二鉴别结果确定所述待测贝母样本的品种。

8.根据权利要求7所述的基于图像结合高光谱的贝母品种鉴别系统，其特征在于，所述获取模块包括：

第一获取单元，用于利用数码单反相机获取所述待测贝母样本的图像数据。