自适应随机块卷积核网络的高光谱中药材鉴别方法技术

本发明专利技术公开了自适应随机块卷积核网络的高光谱中药材鉴别方法，基于最优聚类框架，获得中药材高光谱图像最优波段子集，再采用集群排序方法有效地从最优波段子集中选出最佳特征波段；使用随机投影方法将从中药材高光谱图像中提取的随机块作为卷积核；然后使用像素自适应方法修改卷积核，并基于中药材特征波段图像进行特征提取；再次，使用分层网络提取中药材的特征，并结合中药材高光谱最佳波段影像数据，构建中药材高光谱训练集与测试集；最后使用SVM对训练集进行训练得到分类预测模型，基于该模型对中药材测试集进行预测，大幅度提高了中药材的鉴别分类精度，解决了中药材种类多样、成分复杂的鉴别难题，可适用于各类中药材的快速无损鉴别。的快速无损鉴别。的快速无损鉴别。

【技术实现步骤摘要】
自适应随机块卷积核网络的高光谱中药材鉴别方法


[0001]本专利技术属于医药高光谱智能检测分析领域，特别是涉及一种自适应随机块卷积核网络的高光谱中药材鉴别方法。

技术介绍

[0002]中医药是中华民族流传千年的瑰宝，中药材作为中医药最基础的部分，其质量安全影响着中医药的疗效，甚至关系到人民的生命安全。因此，对中药材的鉴别是中医药采集、加工以及过程质量监控极为关键的一环。
[0003]传统的中药材鉴定方法有性状鉴别、理化鉴别、显微鉴别和高效液相色谱、高效液相色谱
‑
质谱联用鉴别等方法，但这些化学分析方法检测的周期长、价格昂贵，需要大量的有机溶剂，操作复杂，且对中药材具有破坏性，不能在现场进行快速检测。近年来，近红外光谱分析技术发展迅速，已经成为世界各国药物、化合物鉴别常用手段，但中药材属于混合物体系，其组成成分多样且复杂、图谱解析难度大，无法充分鉴别各类中药材，目前仍以中药材专家的人工定性鉴别为主，因此，急需开发一种快速鉴别中药材的方法。高光谱成像技术可以同时获取被测中药材的光谱信息和空间信息，准确反映中药材的理化性质，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.自适应随机块卷积核网络的高光谱中药材鉴别方法，其特征在于，所述方法包括以下步骤：步骤S100：拍摄中药材高光谱图像，构建中药材高光谱原始数据集；步骤S200：采用最优聚类框架获得所述中药材高光谱原始数据集的最优波段子集，基于集群排序策略在所述最优波段子集中选出所述中药材高光谱原始数据集的最佳特征波段，组成最佳波段特征影像；步骤S300：使用主成分分析对所述中药材高光谱原始数据集中的数据进行降维，使用随机投影方法从降维后的中药材高光谱数据中获取随机块作为卷积核；步骤S400：采用像素自适应方法修改所述卷积核，得到自适应随机块卷积核；步骤S500：采用分层网络使用所述自适应随机块卷积核与所述最佳波段特征影像卷积提取中药材特征；步骤S600：结合分层网络所提取的中药材特征、所述最佳波段特征影像数据构建中药材高光谱训练集与测试集；步骤S700：使用SVM对训练集进行训练得到分类预测模型，基于所述分类预测模型对中药材高光谱测试集进行预测，实现中药材的鉴别分类。2.根据权利要求1所述的方法，其特征在于，步骤S100包括：步骤S110：采用高光谱分选仪获取中药材的高光谱图像，并对采集的中药材高光谱图像进行反射率校正；步骤S120：将校正后的图像作为中药材高光谱数据集的样本，构建中药材高光谱原始数据集。3.根据权利要求2所述的方法，其特征在于，步骤S200包括：步骤S210：计算中药材高光谱数据的每个波段的局部密度和簇内距离，并对所述簇内距离进行归一化；步骤S220：将所述局部密度与所述簇内距离加权计算得到所述中药材高光谱图像每个波段的贡献值；步骤S230：通过K
‑
means++聚类方法将所述中药材高光谱图像划分为预设数量个波段子集，选取所述预设数量个波段子集中每个波段子集贡献值最大的波段，分别计算该波段与其他波段子集的相似性矩阵并求和，将求和得到的值记为，最小化F得到预设数量个最优波段子集；步骤S240：在每个最优波段子集中重新选取贡献值最大的波段，得到最佳特征波段，组成最佳波段特征影像。4.根据权利要求3所述的方法，其特征在于，步骤S210包括：步骤S211：计算中药材高光谱数据的每个波段的局部密度，具体为：其中， 为相似性矩阵， 分别为中...

【专利技术属性】
技术研发人员：毛建旭，尹阿婷，王耀南，张辉，刘彩苹，朱青，刘敏，曾凯，陈煜嵘，李亚萍，赵禀睿，苏学叁，
申请(专利权)人：湖南大学，
类型：发明
国别省市：