高光谱图像与卷积神经网络相结合的油桃轻微损伤检测

摘要：

[目的]油桃表面轻微损伤的快速检测对提高油桃的品质及市场竞争力具有重要作用.[方法]本研究以"中油四号"油桃为研究对象,提出了基于高光谱图像与卷积神经网络相结合的油桃分块损伤区域检测算法.针对原始图像存在的复杂背景及油桃自身颜色特征,采用基于颜色特征的图像分割算法实现油桃与复杂背景的分离.针对损伤部位占比较小的特点,采用分块算法将原始图像分成 64×64 的块,并为每个分块制作标签(正常、损伤、背景区域),分块数据与其对应标签共同构成试验数据集.构建卷积神经网络模型,将数据输入该模型进行识别.[结果]油桃损伤区域识别率为 88.2%.[结论]基于高光谱图像与卷积神经网络相结合的方法可以较准确地实现油桃表面轻微损伤的检测.

关键词：油桃、卷积神经网络、轻微损伤检测、颜色特征、图像分块

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金31671571;山西农业大学青年科技创新基金2017013

在线出版日期：2019-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-85