基于高光谱与卷积神经网络的病变板栗分类方法、系统及介质与流程

本发明属于农产品无损检测的，具体涉及一种基于高光谱与卷积神经网络的病变板栗分类方法、系统及介质。

背景技术：

1、霉菌感染是板栗储存与加工中一个较为严重的问题，将直接导致板栗产量的降低。霉菌属于多细胞的真菌，能在阴暗潮湿的环境下大量繁殖，形态呈绒状、絮状或网状，部分霉菌产生的毒素可导致人类和动物患癌。一般霉菌所需的生长温度是30℃，湿度为85％，ph值为5.5-6.5。板栗采收后，由于水分含量较高，会有10％－20％发生不同程度的霉变。板栗内部发生霉变或腐败时，其外部特征往往并无明显改变。

2、现有的分类板栗的方法大多是依靠人工观察依靠经验进行分类，仅靠视觉观察或传统的分选技术难将其分选出来。劣质板栗不但降低了板栗的品质，还可引起食物中毒，造成食品安全问题。常规法检验板栗是否发生霉变时，需要将其切开，但切开之后就无法再出售。因此，寻找一种既便捷又能无损检测板栗的方法，是板栗加工与安全方面的重要任务之一。

3、由于高光谱有着无损，快速的特点，高光谱在食品、水果等产品的检测方面有了快速的发展，但是得到光谱数据复杂且不易人工识别，单依靠光谱检测的方式虽然能够对板栗进行测试，却不易于分析处理，无法直观快速的得到板栗的病变信息。

技术实现思路

1、本发明的主要目的在于克服现有技术的缺点与不足，提供一种无损的基于高光谱与卷积神经网络的病变板栗分类方法、系统及介质，实现对于不同病变程度的板栗分类分级，在很大程度上提高了板栗的检测效率、准确度。

2、为了达到上述目的，本发明采用以下技术方案：

3、本发明的一个方面，提供了一种基于高光谱与卷积神经网络的病变板栗分类方法，包括下述步骤：

4、获取各种程度病变板栗的高光谱信息，并进行预处理，得到各种程度病变板栗的高光谱数据集；

5、基于卷积神经网络构建病变板栗识别模型，根据各种程度病变板栗的高光谱数据集对病变板栗识别模型进行训练；

6、获取待测板栗样本的高光谱信息并输入训练完毕的病变板栗识别模型进行检测，根据识别结果控制气动分类器对病变板栗进行分类。

7、作为优选的技术方案，利用高光谱检测装置获取各种程度病变板栗的高光谱信息，具体为：

8、所述高光谱检测装置的采样结构为封闭式金属黑箱，箱体内部设有光谱采集摄像头、卤素灯光源以及由铰链连接和固定的图像矫正板；

9、将板栗样本经传送装置投入高光谱检测装置；

10、将图像矫正板展开为一个平面，利用光谱采集摄像头拍摄图像矫正板得到全黑标定图像、全白标定图像；

11、利用光谱采集摄像头拍摄板栗样本，得到各种程度病变板栗的高光谱信息。

12、作为优选的技术方案，所述进行预处理，得到各种程度病变板栗的高光谱数据集，具体为：

13、

14、其中，rref为矫正后的各种程度病变板栗的高光谱信息，rdark为全黑标定图像，rwhite为纯白标定图像，rsample为原始光谱图像，即矫正前的各种程度病变板栗的高光谱信息。

15、作为优选的技术方案，所述病变板栗识别模型为改进传统的vgg16框架模型，具体为：

16、将传统vgg网络中三个3x3卷积核改为1x1卷积核，并且减去三个卷积层以及一个全连接层网络；

17、选用损失函数softmax loss，如下式：

18、

19、

20、其中，zk为全连接层第k个值，为全连接层输出值，f(zc)为f(zk)softmax loss输出值，yc为样本真值；

21、所述病变板栗识别模型在接受高光谱图像信息后，依次进行卷积-池化-卷积-池化-卷积-池化-卷积-池化-全连接操作，最终输出板栗的分类结果，在改进后网络的通道数从64增长到512。

22、作为优选的技术方案，所述根据识别结果控制气动分类器对病变板栗进行分类，具体为：

23、所述气动分类器的气缸通过导轨滑动，当未识别到病变板栗时，气缸处于原始状态，未病变板栗将正常通过；

24、当病变板栗识别模型检测到病变板栗时，计算机通过总线连接三极管放大电路输出脉冲信号，当开关电源驱动电路接收到脉冲信号时，在其输出端接通气动电磁阀，气动电磁阀控制气缸通过导轨向前推出，将病变板栗推出，实现对病变板栗的分类。

25、本发明的另一个方面，还提供了一种基于高光谱与卷积神经网络的病变板栗分类系统，应用于上述的基于高光谱与卷积神经网络的病变板栗分类方法，包括传送装置、高光谱检测装置、计算机以及气动分类器；

26、所述传送装置与高光谱检测装置相连，用于将待测板栗样品传输至高光谱检测装置；

27、所述高光谱检测装置与计算机相连，用于获取待测板栗样品的高光谱信息并传输至计算机；

28、所述计算机装载有训练好的病变板栗识别模型，所述病变板栗识别模型根据输入的待测板栗样品的高光谱信息输出识别结果，计算机根据识别结果控制气动分类器将病变板栗推出以实现分类。

29、作为优选的技术方案，所述传送装置包括进料机构、搅拌机构、传送机构以及传送带；所述进料机构为漏斗状，下方设置有搅拌机构；所述搅拌机构将板栗旋转并经下方出料口进入传送机构以及传送带，所述传送带连接至高光谱检测装置的入口处。

30、作为优选的技术方案，所述高光谱检测装置为密闭不透光金属箱，内部设有卤素灯光源、光谱采集摄像头；金属箱内部还设有由铰链连接和固定的图像矫正板，当设备启动时将图像矫正板展开成一个平面，利用光谱采集摄像头拍摄标定图像作为矫正使用，标定图像拍摄完成以后展板收齐在两侧，并进行板栗样本的高光谱信息拍摄。

31、作为优选的技术方案，所述气动分类器通过可编程控制器控制，包括开关电源驱动电路、气动电磁阀、导轨以及气缸；

32、所述气动分类器的气缸通过导轨滑动，当未识别到病变板栗时，气缸处于原始状态，未病变板栗将正常通过；

33、当病变板栗识别模型检测到病变板栗时，计算机通过总线连接三极管放大电路输出脉冲信号，当开关电源驱动电路接收到脉冲信号时，在其输出端接通气动电磁阀，气动电磁阀控制气缸通过导轨向前推出，将病变板栗推出，实现对病变板栗的分类。

34、本发明的另一个方面，还提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的基于高光谱与卷积神经网络的病变板栗分类方法。

35、本发明与现有技术相比，具有如下优点和有益效果：

36、(1)本发明使用板栗病变程度作为研究对象，通过建立改进后的vgg16卷积神经网络与高光谱获取的板栗图像设计一种可以自动分类病变板栗的分类系统。与现有技术相比较，这种方法能够做到效率高、无损的检测板栗的病变程度，能够显著提升板栗在内部受损时的检测效率，使得病变板栗能够更加方便的被检测。

技术特征：

1.基于高光谱与卷积神经网络的病变板栗分类方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的基于高光谱与卷积神经网络的病变板栗分类方法，其特征在于，利用高光谱检测装置获取各种程度病变板栗的高光谱信息，具体为：

3.根据权利要求2所述的基于高光谱与卷积神经网络的病变板栗分类方法，其特征在于，所述进行预处理，得到各种程度病变板栗的高光谱数据集，具体为：

4.根据权利要求1所述的基于高光谱与卷积神经网络的病变板栗分类方法，其特征在于，所述病变板栗识别模型为改进传统的vgg16框架模型，具体为：

5.根据权利要求1所述的基于高光谱与卷积神经网络的病变板栗分类方法，其特征在于，所述根据识别结果控制气动分类器对病变板栗进行分类，具体为：

6.基于高光谱与卷积神经网络的病变板栗分类系统，其特征在于，应用于权利要求1-5中任一项所述的基于高光谱与卷积神经网络的病变板栗分类方法，包括传送装置、高光谱检测装置、计算机以及气动分类器；

7.根据权利要求6所述的基于高光谱与卷积神经网络的病变板栗分类系统，其特征在于，所述传送装置包括进料机构、搅拌机构、传送机构以及传送带；所述进料机构为漏斗状，下方设置有搅拌机构；所述搅拌机构将板栗旋转并经下方出料口进入传送机构以及传送带，所述传送带连接至高光谱检测装置的入口处。

8.根据权利要求6所述的基于高光谱与卷积神经网络的病变板栗分类系统，其特征在于，所述高光谱检测装置为密闭不透光金属箱，内部设有卤素灯光源、光谱采集摄像头；金属箱内部还设有由铰链连接和固定的图像矫正板，当设备启动时将图像矫正板展开成一个平面，利用光谱采集摄像头拍摄标定图像作为矫正使用，标定图像拍摄完成以后展板收齐在两侧，并进行板栗样本的高光谱信息拍摄。

9.根据权利要求6所述的基于高光谱与卷积神经网络的病变板栗分类系统，其特征在于，所述气动分类器通过可编程控制器控制，包括开关电源驱动电路、气动电磁阀、导轨以及气缸；

10.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-5任一项所述的基于高光谱与卷积神经网络的病变板栗分类方法。

技术总结
本发明公开了一种基于高光谱与卷积神经网络的病变板栗分类方法、系统及介质。该方法包括获取各种程度病变板栗的高光谱信息，并进行预处理，得到各种程度病变板栗的高光谱数据集；基于改进的VGG16卷积神经网络构建病变板栗识别模型，根据各种程度病变板栗的高光谱数据集对病变板栗识别模型进行训练；获取待测板栗样本的高光谱信息并输入训练完毕的病变板栗识别模型进行检测，完成对板栗病变识别，并根据识别结果控制气动分类器对病变板栗进行分类。与现有技术相比较，本发明能够做到效率高、无损的检测板栗的病变程度，能够显著提升板栗在内部受损时的检测效率，使得病变板栗能够更加方便的被检测。

技术研发人员：钟南,钟琼达,彭志通
受保护的技术使用者：岭南现代农业科学与技术广东省实验室河源分中心
技术研发日：
技术公布日：2024/1/13