[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

说明书

本发明涉及一种基于图像结合高光谱的贝母品种鉴别方法及系统。所述方法包括：获取待测贝母样本的图像数据；将所述图像数据输入图像鉴别模型中，得到第一鉴别结果；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；将所述光谱数据输入高光谱鉴别模型中，得到第二鉴别结果；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。本发明能够大幅增加获取到的被测样品的信息量，提高鉴别的准确度。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种基于图像结合高光谱的贝母品种鉴别方法及系统。

背景技术

贝母为我国的名贵中药材，临床具有显著的清热化痰，润肺止咳的功效。然而，正品贝母资源匮乏，且不同品种间药效差异显著。其中以川贝的药效最好，市场价格也最高。其中平贝与川贝中的青贝和松贝外观形状相近，肉眼难以辨识，市场以价格较低的平贝掺入青贝和松贝中进行售卖的情况屡见不鲜。给贝母市场带来混乱，也影响了川贝母的临床使用效果。因此提供一种快速无损的贝母易混淆品种鉴别方法显得尤为必要。

目前对贝母的鉴别主要有性状鉴别、理化鉴别等方法，性状鉴别是对贝母外观形状的鉴别，受分析者主观意识大；理化鉴别是在诸如高效液相、质谱的辅助下，基于化学成分的鉴别，与性状鉴别相比提高了鉴别的准确性，但是存在分析技术耗时、费力，对工作人员的技术要求高的局限性。随着图像处理技术的发展，有学者将图像处理技术用于易混淆贝母的图像辨识中来。该方法快速简便，然而彩色图像只能够提供被测对象R、G、B三原色信息，受到信息量的限制，该方法目前获得的准确率还有待提高。

发明内容

本发明的目的是提供一种基于图像结合高光谱的贝母易混淆品种鉴别方法，能够增加获取到的被测样品的信息量，从而提高鉴别的准确度。

为实现上述目的，本发明提供了如下方案：

一种基于图像结合高光谱的贝母品种鉴别方法，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。

优选地，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。

优选地，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。

优选地，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。