一种基于深度学习的RGB与高光谱的烟草识别方法技术

本发明专利技术公开一种基于深度学习的RGB与高光谱的烟草识别方法，属于图像识别技术领域。首先利用RGB彩色图像的对数阈值分割和圈选标记，将图像中的与烟草颜色差别明显的其他物质区别出来；再结合高光谱成像，针对色彩相近区域进行特殊优化，利用自主设计的高光谱差值矩阵法，构建光谱特征F通道，对RGB中的相近色块使用深度学习结合F通道数据进行二次识别，避免相近色彩物体的漏检。本发明专利技术将高光谱与RGB结合，对传统RGB相机无法识别的颜色相近或透明的杂质做出优化，判断出烟草中的不同于烟草光谱特性的物质，实现实时监控筛选，避免人员主观与长时间工作带来的影响，提升烟草的纯净度和识别效率，对烟草行业具有十分重要的意义。义。义。

【技术实现步骤摘要】
一种基于深度学习的RGB与高光谱的烟草识别方法


[0001]本专利技术属于分类与深度学习
，具体涉及一种基于深度学习的RGB与高光谱的烟草识别方法。

技术介绍

[0002]我国是全世界最大的烟草生产国与消费国，全球35％的烟草产出和32％的烟草销售均在我国。烟草行业飞速发展，所带来的经济效益也在提高，连续多年纳税额超过万亿，但在烟草的生产过程中混杂了各种各样的杂质，如果清理不彻底，就会随着加工环节进入卷烟中，必定会影响生产出来的烟草质量。目前，深度学习解决烟草中含有杂质的一个有效办法。但是现有的技术在利用RGB图像的处理，对颜色相近的杂质或是透明的薄膜是无法通过RGB图像进行分类识别出来的，现有技术中在利用光谱领域来解决，但是数据处理存在一定的冗余，并且做深度学习的处理时间较长，性能过剩，同时深度学习需要大量的有效标签化的数据，这便成为只用光谱领域来解决的阻碍，因此烟草中杂质的清除对烟草产业来说是一个亟待解决的技术难题。

技术实现思路

[0003]本专利技术解决的技术问题：提供一种通过神经网络利用对RGB图像的深度学习和利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的RGB与高光谱的烟草识别方法，其特征在于：1)利用RGB彩色图像的对数系数阈值空间向量分割和圈选标记获得物料分类标签，将图像中的与烟草颜色差别明显的其他物质区别出来；2)训练过程中，首先使用深度学习对RGB图像进行物质分类器训练，其次，对RGB颜色相近无法识别的区域，结合高光谱成像，将获取的相应的高光谱图像进行数据的校正和降噪，针对色彩相近区域利用高光谱差值矩阵法，构建光谱特征F通道，对RGB中的相近色块使用深度学习结合F通道数据再次训练神经网络，实现进行二次识别；3)分选过程中，分类器先根据RGB色彩通道信息和高光谱图像，生成相应的光谱分类特征F通道，同时使用这两类数据生成最终的分类结果，做到对烟草图像中颜色相近处能够识别出烟草部分。2.根据权利要求1所述的基于深度学习的RGB与高光谱的烟草识别方法，其特征在于：具体包括以下步骤：步骤1，获取烟丝的彩色图像和高光谱图像；步骤2：对彩色图像增强处理，扩大图像数据的数据量得到图像样本库，并对其随机分成训练集和测试集；步骤3：将对应RGB图像进行分割，运用对数系数阈值空间向量分割法，对应RGB图像的3个通道，对每个像素点采取一个相似度量；步骤4：采用圈选对RGB图像中的特征进行标记，通过RGB图像的标记对应产生F通道的标记；步骤5：添加特征标签后，将RGB图像数据随机性的打乱并将分类标签转化为独热编码，生成便于神经网络进行训练和测试的标签数据；步骤6：对获得的高光谱数据进行校正与降噪；步骤7，利用高光谱差值矩阵法，构建光谱特征F通道，对RGB中的相近色块使用深度学习结合F通道数据进行二次识别。3.根据权利要求2所述的基于深度学习的RGB与高光谱的烟草识别方法，其特征在于：步骤3中，若像素点O和像素点K之间的差值小于指定的对数系数阈值T，则像素点O相似于像素点K；D(O，K)＝l
·
||O
‑
K||＝l
·
[(O
‑
K)
T
(O
‑
K)]
1/2
＝l
·
[(O
R
‑
K
R
)2+(O
G
‑
K
G
)2+(O
B
‑
K
B
)2]
1/2
l＝||log((O
R
+O
G
+O
B
)/3))
‑
log((K
R
+K
G
+K
B
)/3)...

【专利技术属性】
技术研发人员：郑庆元，倪超，吴锐，杨旭，陈玉龙，朱婷婷，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：