一种基于人工智能与高光谱成像的红枣品种鉴别方法技术

本发明专利技术涉及人工智能领域，具体涉及一种基于人工智能与高光谱成像的红枣品种鉴别方法，包括：获取待鉴别品种红枣灰度图像的第一候选窗口；获取待鉴别品种红枣灰度图像的第二候选窗口；重复上述步骤获取标准品种红枣灰度图像的第二候选窗口；获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口；通过获取每个待鉴别品种红枣的灰度图像第二候选窗口及其最优匹配的标准品种红枣灰度图像第二候选窗口的平均光谱序列，得到待鉴别品种红枣与每种标准品种红枣灰度图像的平均相似度，完成对待鉴别红枣的品种鉴别。通过上述方法可提高对干制红枣品种的鉴别精度。种的鉴别精度。种的鉴别精度。

【技术实现步骤摘要】
一种基于人工智能与高光谱成像的红枣品种鉴别方法


[0001]本专利技术涉及人工智能领域，具体涉及一种基于人工智能与高光谱成像的红枣品种鉴别方法。

技术介绍

[0002]干制红枣不仅保留了鲜枣的营养成分，而且食用方式多样，更有利于长期存储和长途运输。不同品种的红枣营养成分含量不同，价格也相差很多。鲜枣干制后，颜色、形状较为接近，通过肉眼很难区分。
[0003]现有技术主要采用图像处理的方法，根据不同品种红枣的品质和形状特征不同，对不同的红枣品种进行鉴别。
[0004]然而，由于红枣成分复杂，相应的品质特征影响因子较多，导致图像处理过程中容易受到其它因素的干扰，影响了上述现有技术对红枣品种的鉴别精度。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术提供了一种基于人工智能与高光谱成像的红枣品种鉴别方法，以提高红枣品种的鉴别精度。
[0006]为达到上述目的，本专利技术采用以下技术方案，一种基于人工智能与高光谱成像的红枣品种鉴别方法，包括：通过对获取的待鉴别品种红枣的高光谱图像进行真彩色合成及灰度化处理，获取待鉴别品种红枣的灰度图像。
[0007]通过对比待鉴别品种红枣灰度图像中每个窗口的平均梯度值与设置阈值的大小，获取待鉴别品种红枣灰度图像的第一候选窗口。
[0008]通过计算待鉴别品种红枣灰度图像中每个第一候选窗口的最大颜色方差，获取待鉴别品种红枣灰度图像的第二候选窗口。
[0009]重复上述步骤获取标准品种红枣灰度图像的第二候选窗口。r/>[0010]通过计算每个待鉴别品种红枣灰度图像的第二候选窗口与所有标准品种红枣灰度图像的第二候选窗口的接近值构建窗口二部图，获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口。
[0011]通过获取每个待鉴别品种红枣的灰度图像第二候选窗口及其最优匹配的标准品种红枣灰度图像第二候选窗口的平均光谱序列，得到待鉴别品种红枣与每种标准品种红枣灰度图像的平均相似度。
[0012]通过对比待鉴别品种红枣与标准品种红枣灰度图像的平均相似度大小，完成对待鉴别红枣的品种鉴别。
[0013]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获取待鉴别品种红枣的灰度图像的方法包括：利用高光谱成像技术，获取待鉴别品种红枣中不同成分对应的光谱数据。
[0014]通过对待鉴别品种红枣中不同成分对应的光谱数据进行真彩色合成，获取待鉴别品种红枣的可见光图像。
[0015]对待鉴别品种红枣的可见光图像进行阈值分割及灰度化处理，获取待鉴别品种红枣的灰度图像。
[0016]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获取待鉴别品种红枣灰度图像的第一候选窗口的方法包括：对待鉴别品种红枣的灰度图像进行梯度提取，获取待鉴别品种红枣灰度图像中每个像素点的梯度值。
[0017]根据待鉴别品种红枣灰度图像中每个像素点的梯度值，对该灰度图像进行滑窗检测，获取该灰度图像中每个窗口的平均梯度值。
[0018]设置窗口平均梯度值阈值，将待鉴别品种红枣灰度图像中平均梯度值小于平均梯度值阈值的窗口作为待鉴别品种红枣灰度图像的第一候选窗口。
[0019]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获取待鉴别品种红枣灰度图像的第二候选窗口的方法包括：对待鉴别品种红枣灰度图像的第一候选窗口进行颜色提取，获取每个待鉴别品种红枣灰度图像的第一候选窗口中各位置的RGB方差，进而获取每个待鉴别品种红枣灰度图像的第一候选窗口的最大颜色方差。
[0020]设置窗口最大颜色方差阈值，获取待鉴别品种红枣灰度图像中最大颜色方差小于窗口最大颜色方差阈值的第一候选窗口，选取Top
‑
K个最小的最大颜色方差的窗口，作为待鉴别品种红枣灰度图像的第二候选窗口。
[0021]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获取每个待鉴别品种红枣灰度图像的第二候选窗口与所有标准品种红枣灰度图像的第二候选窗口的接近值的方法包括：利用最大颜色方差阈值分别对待鉴别品种红枣与标准品种红枣灰度图像中第二候选窗口的颜色方差进行区间划分，获取待鉴别品种红枣与标准品种红枣灰度图像中每个第二候选窗口在各个颜色方差区间的比例。
[0022]利用待鉴别品种红枣与标准品种红枣灰度图像中每个第二候选窗口在各个颜色方差区间的比例，获取每个待鉴别品种红枣与所有标准品种红枣的灰度图像的第二候选窗口的KL散度。
[0023]利用待鉴别品种红枣与标准品种红枣灰度图像中每个第二候选窗口的RGB值，获取每个待鉴别品种红枣与所有标准品种红枣的灰度图像的第二候选窗口的颜色差。
[0024]利用每个待鉴别品种红枣与所有标准品种红枣的灰度图像的第二候选窗口的KL散度和颜色差，获取每个待鉴别品种红枣灰度图像的第二候选窗口与所有标准品种红枣灰度图像的第二候选窗口的接近值。
[0025]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口的方法包括：利用每个待鉴别品种红枣灰度图像的第二候选窗口与所有标准品种红枣灰度图像的第二候选窗口的接近值构建窗口二部图。
[0026]将窗口二部图的边权赋值为两者的接近值，然后利用KM匹配，进行最优的最小匹配，获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口。
[0027]进一步的，所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，获得待鉴别品种红枣与每种标准品种红枣灰度图像的平均相似度的方法包括：通过对每个待鉴别品种红枣灰度图像第二候选窗口中所有像素的光谱序列进行对应位置光谱值相加并求平均，获取每个待鉴别品种红枣的灰度图像第二候选窗口的平均光谱序列。
[0028]重复上述步骤，获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口。
[0029]利用光谱角匹配算法，获取每个待鉴别品种红枣灰度图像第二候选窗口与其最优匹配的标准品种红枣灰度图像第二候选窗口的相似度，进而获得待鉴别品种红枣与每种标准品种红枣灰度图像的平均相似度。
[0030]本专利技术的有益效果是：本专利技术提供了一种基于人工智能与高光谱成像的红枣品种鉴别方法：利用梯度、颜色方差来筛选获取最优的候选窗口，可以提高运算速度；结合KL散度与二部图匹配来寻找最优的匹配窗口，可以尽最大可能排除其它因素对红枣光谱所造成的干扰，最优匹配的窗口即为两者颜色与色彩分布比较接近的窗口，相比于现有技术，本专利技术通过提取红枣的有效区域，尽可能减少光谱比较的误差，可有效提高红枣品种的鉴别精度。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能与高光谱成像的红枣品种鉴别方法，其特征在于，包括：通过对获取的待鉴别品种红枣的高光谱图像进行真彩色合成及灰度化处理，获取待鉴别品种红枣的灰度图像；通过对比待鉴别品种红枣灰度图像中每个窗口的平均梯度值与设置阈值的大小，获取待鉴别品种红枣灰度图像的第一候选窗口；通过计算待鉴别品种红枣灰度图像中每个第一候选窗口的最大颜色方差，获取待鉴别品种红枣灰度图像的第二候选窗口；重复上述步骤获取标准品种红枣灰度图像的第二候选窗口；通过计算每个待鉴别品种红枣灰度图像的第二候选窗口与所有标准品种红枣灰度图像的第二候选窗口的接近值构建窗口二部图，获取每个待鉴别品种红枣灰度图像第二候选窗口的最优匹配的标准品种红枣灰度图像第二候选窗口；通过获取每个待鉴别品种红枣的灰度图像第二候选窗口及其最优匹配的标准品种红枣灰度图像第二候选窗口的平均光谱序列，得到待鉴别品种红枣与每种标准品种红枣灰度图像的平均相似度；通过对比待鉴别品种红枣与标准品种红枣灰度图像的平均相似度大小，完成对待鉴别红枣的品种鉴别。2.根据权利要求1所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，其特征在于，所述获取待鉴别品种红枣的灰度图像的方法包括：利用高光谱成像技术，获取待鉴别品种红枣中不同成分对应的光谱数据；通过对待鉴别品种红枣中不同成分对应的光谱数据进行真彩色合成，获取待鉴别品种红枣的可见光图像；对待鉴别品种红枣的可见光图像进行阈值分割及灰度化处理，获取待鉴别品种红枣的灰度图像。3.根据权利要求1所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，其特征在于，所述获取待鉴别品种红枣灰度图像的第一候选窗口的方法包括：对待鉴别品种红枣的灰度图像进行梯度提取，获取待鉴别品种红枣灰度图像中每个像素点的梯度值；根据待鉴别品种红枣灰度图像中每个像素点的梯度值，对该灰度图像进行滑窗检测，获取该灰度图像中每个窗口的平均梯度值；设置窗口平均梯度值阈值，将待鉴别品种红枣灰度图像中平均梯度值小于平均梯度值阈值的窗口作为待鉴别品种红枣灰度图像的第一候选窗口。4.根据权利要求1所述一种基于人工智能与高光谱成像的红枣品种鉴别方法，其特征在于，所述获取待鉴别品种红枣灰度图像的第二候选窗口的方法包括：对待鉴别品种红枣灰度图像的第一候选窗口进行颜色提取，获取每个待鉴别品种红枣灰度图像的第一候选窗口中各位置的RGB方差，进而获取每个待鉴别品种红枣灰度图像的第一候选窗口的最大颜色方差；设置窗口最大颜色方差阈值，获取待鉴别品种红枣灰度图像...

【专利技术属性】
技术研发人员：梁祥宠，
申请(专利权)人：南通海扬食品有限公司，
类型：发明
国别省市：