【技术实现步骤摘要】
本专利技术涉及高光谱图像处理领域，具体涉及一种基于高光谱图像处理的中药材鉴别模型构建方法及系统。
技术介绍
1、目前，传统的中药材鉴别分析方法，如液相色谱法和近红外光谱技术，能够对中药材的有效成分进行分析，但它们在处理高光谱图像数据时面临诸多问题，特别是光谱维度波长的共线性、冗余信息和数据维度过大问题。这些问题可能导致模型过拟合，影响鉴定的准确性，且对存储器的需求较高。
2、现有的中药材鉴定方法未能充分考虑光谱波长之间的非线性和全局相互作用，导致在波长选择上过于依赖相邻波长，结果保留了过多的冗余信息。这一局限性使得提升中药材鉴定的实时性和准确率成为该领域亟待解决的技术难题。
技术实现思路
1、本专利技术提供了一种基于高光谱图像处理的中药材鉴别模型构建方法及系统，通过高光谱图像处理技术和深度学习算法应用，在减少数据冗余和提高中药材鉴别准确率的同时，也降低对存储器的需求。
2、本专利技术的技术方案是：
3、根据本专利技术的第一方面，提供了一种基于高光谱图像处...
【技术保护点】
1.一种基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，还包括：采集待测中药材的高光谱图像，将所述待测中药材的高光谱图像输入所述特征波长光谱中药材鉴别模型，获得鉴别结果。
3.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，对所述高光谱图像进行处理，具体为：依次对所述高光谱图像进行校正、阈值分割、数据扩充和预处理。
4.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，所述全波长光谱中...
【技术特征摘要】
1.一种基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，还包括：采集待测中药材的高光谱图像，将所述待测中药材的高光谱图像输入所述特征波长光谱中药材鉴别模型，获得鉴别结果。
3.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，对所述高光谱图像进行处理，具体为：依次对所述高光谱图像进行校正、阈值分割、数据扩充和预处理。
4.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，所述全波长光谱中药材鉴别的卷积神经网络模型、特征波长光谱中药材鉴别模型的网络结构相同，均包括：1个输入层、4个rep-block卷积层、全局最大池化层、平均池化层、全连接层、softmax层以及1个输出层；其中，每层rep-block模块将输入分成两个分支，第一分支依次采用1×3的一维卷积核、批量归一化，第二分支依次采用1×1卷积核、批量归一化，两个分支元素相加操作后经relu激活函数获得输出。
5.根据权利要求1所述的基于高光谱图像处理的中药材鉴别模型构建方法，其特征在于，基于所...
【专利技术属性】
技术研发人员：刘诚，王庭有，陈雪凌，刘海林，张家勇，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
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。