【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种目标检测分类方法、系统及存储介质。
技术介绍
1、随着深度学习和机器学习技术的发展，目标识别和目标检测技术已经在许多领域中得到了应用。但相关技术中，在进行目标检测和分类过程中，如对物体的质量好坏进行分类等，往往难以快速、准确地识别出相关物体，也难以得到较为准确的分类结果。因此，以上技术问题亟需解决。
技术实现思路
1、为了解决上述技术问题的至少之一，本专利技术提出一种目标检测分类方法、系统及存储介质，能够有效提高目标检测分类的准确性，并且有效提高了检测分类效率。
2、一方面，本专利技术实施例提供了一种目标检测分类方法，包括以下步骤：
3、获取若干组预设光谱图像；其中，每组所述预设光谱图像对应不同的波长；
4、通过预设识别算法对预设波长图像进行目标识别，得到目标对象信息；其中，所述预设波长图像包括若干组所述预设光谱图像中对应的波长处于第一预设波段的图像；
5、根据所述目标对象信息生成相应的感兴趣区域；
6、根据所述感兴趣区域分别计算各组所述预设光谱图像的光谱数值，以根据所述光谱数值生成光谱曲线；
7、根据所述光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果。
8、根据本专利技术的一些实施例，所述通过预设识别算法对预设波长图像进行目标识别，得到目标对象信息，包括：
9、将若干组所述预设光谱图像按照波长进行排列，以选取处于排列中间的所述预设光谱图像
10、通过预设识别算法对所述预设波长图像进行目标识别，得到所述目标对象信息；其中，所述预设识别算法包括预设深度学习目标检测算法或者预设轮廓检测算法。
11、根据本专利技术的一些实施例，所述根据所述目标对象信息生成相应的感兴趣区域，包括：
12、根据所述目标对象信息确定待识别对象的中心位置信息；
13、根据所述中心位置信息构建预设像素大小的方块，得到所述感兴趣区域。
14、根据本专利技术的一些实施例，所述根据所述感兴趣区域分别计算各组所述预设光谱图像的光谱数值，以根据所述光谱数值生成光谱曲线，包括：
15、将各组所述预设光谱图像的所述感兴趣区域中像素的反射强度数值进行平均计算，得到相应的所述光谱数值；
16、将各组所述预设光谱图像的所述感兴趣区域对应的光谱数值连接成曲线，构建得到所述光谱曲线。
17、根据本专利技术的一些实施例，所述目标分类组合模型包括目标预处理算法以及目标机器学习模型；
18、在执行所述根据所述光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果这一步骤之前，所述方法还包括：
19、按照预设分类信息对所述光谱曲线进行分类，以构建得到训练数据集；
20、从预处理算法库中选择所述目标预处理算法对所述训练数据集进行预处理，得到预处理数据集；其中，所述目标预处理算法包括去噪、基线漂移校正、数据规范化处理以及数据白化处理中的至少之一；
21、从预设机器学习模型库中选择第一机器学习模型，以通过所述预处理数据集对所述第一机器学习模型进行训练，得到所述目标机器学习模型；其中，所述第一机器学习模型包括随机森林模型、k近邻算法模型以及梯度提升模型之一。
22、根据本专利技术的一些实施例，所述根据所述光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果，包括：
23、获取评价指标，以根据所述评价指标确定所述目标预处理算法和所述目标机器学习模型；
24、通过所述目标预处理算法对所述光谱曲线进行预处理，得到预处理曲线数据；
25、通过所述目标机器学习模型对所述预处理曲线数据进行分类识别，得到所述目标分类结果。
26、根据本专利技术的一些实施例，所述获取若干组预设光谱图像，包括：
27、通过预设近红外光谱成像相机获取待识别对象在第二预设波段内若干组的所述预设光谱图像；其中，所述预设光谱图像包括近红外光谱图像。
28、另一方面，本专利技术实施例还提供了一种目标检测分类系统，包括：
29、第一模块，用于获取若干组预设光谱图像；其中，每组所述预设光谱图像对应不同的波长；
30、第二模块，用于通过预设识别算法对预设波长图像进行目标识别，得到目标对象信息；其中，所述预设波长图像包括若干组所述预设光谱图像中对应的波长处于第一预设波段的图像；
31、第三模块，用于根据所述目标对象信息生成相应的感兴趣区域；
32、第四模块，用于根据所述感兴趣区域分别计算各组所述预设光谱图像的光谱数值，以根据所述光谱数值生成光谱曲线；
33、第五模块，用于根据所述光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果。
34、另一方面，本专利技术实施例还提供了一种目标检测分类系统，包括：
35、至少一个处理器；
36、至少一个存储器，用于存储至少一个程序；
37、当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如上述实施例所述的目标检测分类方法。
38、另一方面，本专利技术实施例还提供了一种计算机存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由所述处理器执行时用于实现如上述实施例所述的目标检测分类方法。
39、根据本专利技术实施例的一种目标检测分类方法、系统及存储介质，至少具有如下有益效果：本专利技术实施例首先获取若干组预设光谱图像，其中每组预设光谱图像对应不同的波长，人通过预设识别算法对预设波长图像进行目标识别，得到目标对象信息。相应地，本专利技术实施例中预设波长图像包括若干组预设光谱图像中对应的波长处于第一预设波段的图像。接着，本专利技术实施例根据目标对象信息生成相应的感兴趣区域，以根据感兴趣区域分别计算各组预设光谱图像的光谱数值，从而根据光谱数值生成光谱曲线。最后，本专利技术实施例根据光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果，实现对目标对象的检测分类，并且有效提高了目标检测分类的准确性和效率。容易理解的是，本专利技术实施例中通过目标对象信息生成感兴趣区域，进而根据感兴趣区域生成相应的光谱曲线，从而通过目标分类组合模型对光谱曲线进行分类识别的方式，从而能够有效提高目标检测分类的准确性，并且有效提高了检测分类效率。
本文档来自技高网...【技术保护点】
1.一种目标检测分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的目标检测分类方法，其特征在于，所述通过预设识别算法对预设波长图像进行目标识别，得到目标对象信息，包括：
3.根据权利要求1所述的目标检测分类方法，其特征在于，所述根据所述目标对象信息生成相应的感兴趣区域，包括：
4.根据权利要求1所述的目标检测分类方法，其特征在于，所述根据所述感兴趣区域分别计算各组所述预设光谱图像的光谱数值，以根据所述光谱数值生成光谱曲线，包括：
5.根据权利要求1所述的目标检测分类方法，其特征在于，所述目标分类组合模型包括目标预处理算法以及目标机器学习模型；
6.根据权利要求5所述的目标检测分类方法，其特征在于，所述根据所述光谱曲线通过目标分类组合模型进行分类识别，得到目标分类结果，包括：
7.根据权利要求1至6任一项所述的目标检测分类方法，其特征在于，所述获取若干组预设光谱图像，包括：
8.一种目标检测分类系统，其特征在于，包括：
9.一种目标检测分类系统，其特征在于，包括：
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。