【技术实现步骤摘要】
一种基于高光谱图像的大豆虫害程度的小样本检测方法
本申请属于食品检测
，具体涉及一种基于高光谱图像的大豆虫害程度的小样本检测方法。
技术介绍
大豆作为主要的粮食作物，有着较高的营养价值，并广泛应用于食用、饲用、医药、工业等方面。然而，在大豆种植以及储存过程中，虫害问题逐渐严重，对大豆的产量产生了严重的影响。因此，合理的防治大豆虫害是一项非常重要且紧迫的工作。农作物病虫害具有种类多、影响大、并时常爆发成灾的特点。现今，精准农业成为全球农业发展的必然趋势，其中如何快速实时获取作物虫害信息，特别是在作物虫害早期的诊断和检测对防治虫害的大面积爆发造成产量的大规模下降以及品质的下降具有重要的意义，也是实现精准农业，提高农业产量的关键问题。我国大豆虫害发生种类多达100左右，危害较大的有30余种，其中较严重而且普遍的有10余种。大豆食心虫、大豆蚜虫、豆荚螟、豆天蛾、造桥虫、豆秆黑潜蝇等是主要害虫，其中大豆食心虫是众多虫害中最为主要的一种害虫。大豆食心虫一年仅发生一代，以老熟幼虫在豆田、晒场及附近土壤内做茧越冬。成虫...
【技术保护点】
1.一种基于高光谱图像的大豆虫害程度的小样本检测方法，用于大豆的无损检测，其特征在于，所述基于高光谱图像的大豆虫害程度的小样本检测方法，包括：/n步骤S1、采集具有不同虫害程度的待检测大豆样本的高光谱图像，并对所采集的高光谱图像进行黑白校正；/n步骤S2、提取黑白校正后的高光谱图像的感兴趣区域，计算感兴趣区域中所有像素的光谱反射率的平均值作为待检测大豆样本的平均光谱；所述感兴趣区域为以10像素为边长的正方形区域；/n步骤S3、采用Gabor滤波方法对所述平均光谱进行滤波处理，得到去除噪声后的具有平滑光谱信息的高光谱数据；/n步骤S4、对步骤S3中得到的高光谱数据，使用主成分...
【技术特征摘要】
1.一种基于高光谱图像的大豆虫害程度的小样本检测方法，用于大豆的无损检测，其特征在于，所述基于高光谱图像的大豆虫害程度的小样本检测方法，包括：
步骤S1、采集具有不同虫害程度的待检测大豆样本的高光谱图像，并对所采集的高光谱图像进行黑白校正；
步骤S2、提取黑白校正后的高光谱图像的感兴趣区域，计算感兴趣区域中所有像素的光谱反射率的平均值作为待检测大豆样本的平均光谱；所述感兴趣区域为以10像素为边长的正方形区域；
步骤S3、采用Gabor滤波方法对所述平均光谱进行滤波处理，得到去除噪声后的具有平滑光谱信息的高光谱数据；
步骤S4、对步骤S3中得到的高光谱数据，使用主成分分析方法进行数据降维处理，得到消除冗余信息后的高光谱数据；
步骤S5、对步骤S4中得到的高光谱数据的三个维度进行归一化处理，对归一化处理后的高光谱数据进行标记作为测试集；
步骤S6、建立小样本学习模型，获取CAVE数据集作为训练集，利用所述训练集训练小样本学习模型，确定最终的小样本学习模型作为大豆虫害程度检测模型；所述小样本学习模型为MAML模型、MN模型或RN模型；
步骤S7、利用所述测试集测试所述大豆虫害程度检测模型的分类效果，若分类效果未满足预设条件，则返回步骤S6重新训练；否则利用所述大豆虫害程度检测模型进行大豆虫害程度检测。
2.如权利要求1所述的基于高光谱图像的大豆虫害程度的小样本检测方法，其特征在于，所述具有不同虫害程度的待检测大豆样本，包括：
正常的大豆、表面附着有食心虫虫卵的大豆、正被食心虫幼虫咬食的大豆、食心虫咬食大豆完毕脱离后的大豆。
3.如权利要求1所述的基于高光谱图像的大豆虫害程度的小样本检测方法，其特征在于，所述主成分分析方法，包括：
获取需要降维处理的高光谱数据形成数据集X且X＝x1,x2,x3,…,xn，n为数据集X中数据的总个数；
设定降维处理的目标为降到k维；
按列计算数据集X的均值Xmean，然后每一位数据减去各自的均值，即Xnew＝X-Xmean；
计算数据集Xnew的协方差矩阵
用特征值分解方法求协方差矩阵的特征值与特征向量；
对特征值从大到小排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵P；
将数据转换到k个特征向量的新空间中，即Y＝P×Xnew，即得到降维处理后的数据集Y。
4.如权利要求1所述的基于高光谱图像的大豆虫害程度的小样本检测方法，其特征在于，所述MAML模型，包括：
所述MAML模型根据CAVE数据集中的所有数据形成期望模型适应的任务的分布p(T)，p(T)中的每个任务包含训练集和测试集，其中训练集的数据小于测试集的数据，随机定义元初始参数θ，从p(T)中抽取任务Ti，训练模型对任务Ti计算一次梯度下降寻找最优的元初始参数，梯度下降公式：
其中，MAML模型由函数fθ表示，θi...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。