技术特征：
1.一种基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于包括如下步骤：步骤1、使用基于偏最小二乘法判别分析法pls-da的rc值对libs光谱数据进行特征筛选，得到经过筛选后的光谱特征；步骤2、利用卷积神经网络对libs光谱数据和libs图像数据进行特征提取，得到经过特征提取后的光谱特征和图像特征；步骤3、将所述光谱特征和图像特征在特征层面和决策层面上进行融合；步骤4、将融合后的特征放入不同分类器中进行分类；步骤5、获得基于融合特征的分类结果。2.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：所述步骤1中使用基于pls-da的rc值提取libs光谱特征具体为：输入尺寸为(m
×
n)的光谱数据，记为x；为光谱数据手动添加响应值y，y为(m
×
1)矩阵；建立pls-da分类模型，得到对应不同波长(λ1，λ2，λ3……
λ
m
)的rc值(w1.w2,w3……
w
m
)，通过比较rc值的大小来筛选出libs光谱的特征波长。3.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：所述步骤2中选取卷积神经网络中的残差网络(resnet18、resnet50)作为提取光谱和图像特征的网络；输入数据经过卷积，批归一化，激活，池化操作后，最后一层全连接层的特征被选择作为提取出的特征。4.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：所述步骤2中libs图像数据为经过激光打点后的中药饮片整体图像，图像由libs系统中的相机通过自动对焦程序拍摄得到，自动对焦程序采用爬山法作为搜索函数。5.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：获得图像数据的具体步骤为：1、获取当前位置的图像清晰度值记为ten0；2、放置样品的x-y-z样品台沿着指定z方向移动给定步长s0，获得当前图像清晰度ten1，若ten1＞ten0，则按原方向移动相同步长s0，反之则将步长乘以收敛系数p，得到收敛后的步长s1＝p
×
s0；3、比较收敛后的步长s1给定阈值t的大小，若s1＜t则对焦完成，若s1＞t则样品台反向移动收敛后的步长s1，重复步骤2-3直至对焦完成。6.如权利要求5所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：图像清晰度ten值使用tenengrad函数计算得到，tenengrad函数使用sobel算子提取水平和垂直方向的梯度值；具体过程如下：1、设sober卷积核为g
x
，g
y
，则图像i在点(x，y)出的梯度为定义该图像的ten值为n为图像中像素总数。7.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在
于：所述步骤3中将提取出的特征分别归一化，得到尺寸为(m1×
1)的光谱数据和尺寸为(m2×
1)的图像数据，将两者进行拼接得到尺寸为((m1+m2)
×
1)的特征，拼接后的特征作为最后的融合特征分别输入不同分类器中分类。8.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：所述步骤3中的决策层融合为把不同模态信息，分别输入已经训练好的分类器，以输出打分或决策进行融合。9.如权利要求1所述的基于libs光谱和图像融合的中药饮片产地识别方法，其特征在于：所述决策层融合具体如下：将光谱和图像特征放入各自的分类器中进行训练，得到光谱分类器输出的每类产地概率为(p1，p2，p3)，图像分类器输出的每类产地概率为(k1，k2，k3)，计算其算数平均值取算数平均值最高的类别作为中药饮片产地归属的最终决策。
技术总结
本发明提供了一种基于LIBS光谱和图像特征融合的中药饮片产地识别方法，该方法包括：基于PLS-DA模型的RC值对LIBS光谱进行特征提取，利用卷积神经网络对LIBS光谱和LIBS图像进行特征提取，将上述提取出来的光谱特征和图像特征进行特征层融合以及决策层融合，融合后的特征放入分类器进行分类，得到基于图谱融合的中药材产地识别结果。本发明将LIBS与多元信息融合技术相结合，通过对于白芍和白芷两种饮片产地的分类，证实了其在中药材识别领域具有重大潜力。大潜力。大潜力。
技术研发人员：彭继宇 刘旖凡 谢威悦 赵章风 刘飞 孔汶汶 黄晶
受保护的技术使用者：浙江工业大学
技术研发日：2022.05.20
技术公布日：2022/9/30