【技术实现步骤摘要】
种子纯度检测方法、检测装置及计算机可读存储介质
本专利技术涉及种子检测领域，尤其涉及一种种子纯度检测方法、检测装置及计算机可读存储介质。
技术介绍
高光谱图像技术是近年来出现的一种新的种子纯度检测方法，高光谱图像中不仅含有图像特征，还含有光谱信息，能更准确地对种子的外部特征和化学成分进行识别。但高光谱图像数据含有大量冗余信息，如何从这些冗余信息中准确地提取出有效光谱信息，并对种子进行识别是一个非常重要的问题。现有技术中的高光谱图像技术的变量选择多采用最优子集选择法和逐步回归法，最优子集法即考虑所有可能的回归模型，再根据指定的标准，最终选出一个“最优”子集，这种方法看起来似乎很理想，但也存在比较严重的缺陷，那就是计算量太大，不能有效地处理大规模数据。另一个逐步回归法，开始它将贡献最大的一个变量选入回归方程，并且预先确定两个阈值，用于决定变量选入或剔除，逐步回归对参数估计的正则化是不连续的，这种不连续性导致模型选择的不稳定。
技术实现思路
本专利技术的主要目的在于提出一种种子纯度检测方法、检测装置及计算机可读...
【技术保护点】
1.一种种子纯度检测方法，其特征在于，所述方法包括：/n获取待测种子影像的光谱数据；/n将所述光谱数据输入至训练完成的lasso-logistic模型中，并运行所述lasso-logistic模型，以得到光谱数据分类结果；/n根据所述光谱数据分类结果得到种子纯度。/n
【技术特征摘要】
1.一种种子纯度检测方法，其特征在于，所述方法包括：
获取待测种子影像的光谱数据；
将所述光谱数据输入至训练完成的lasso-logistic模型中，并运行所述lasso-logistic模型，以得到光谱数据分类结果；
根据所述光谱数据分类结果得到种子纯度。
2.如权利要求1所述的种子纯度检测方法，其特征在于，所述lasso-logistic模型包括lasso模型和logistic模型；
所述将所述光谱数据输入至训练完成的lasso-logistic模型中，并运行所述lasso-logistic模型，以得到光谱数据分类结果的步骤包括：
将所述光谱数据输入至lasso模型，以对所述光谱数据进行特征提取，得到特征波段的光谱数据；
将所述特征波段的光谱数据输入至logistic模型，并运行所述logistic模型，以得到光谱数据分类结果。
3.如权利要求2所述的种子纯度检测方法，其特征在于，所述获取待测种子影像的光谱数据的步骤之前包括：
获取训练光谱数据以及所述训练光谱数据对应的预设标签数据；
将所述训练光谱数据作为lasso-logistic初始模型的输入，以在所述lasso-logistic初始模型运行后输出预测分类结果；
根据所述预测分类结果与所述预设标签数据训练所述lasso-logistic初始模型，以将训练完成的lasso-logistic初始模型作为所述lasso-logistic模型。
4.如权利要求3所述的种子纯度检测方法，其特征在于，所述根据所述预测分类结果与所述预设标签数据训练所述lasso-logistic初始模型的步骤包括：
比较所述预设标签数据与所述预测分类结果，以获取损失函数；
根据所述损失函数对所述lasso-logistic初始模型的参数进行调整，以更新所述lasso-logistic初始模型；
判断更新后的lasso-logistic初始模型是否达到停止训练条件；
当达到停止训练条件时，将最新更...
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。