基于多模态光谱分析及深度学习的虫草粉末智能识别方法技术

本发明专利技术涉及光谱检测技术领域，提供一种基于多模态光谱分析及深度学习的虫草粉末智能识别方法，包括：S1，对虫草粉末样品进行预扫描，根据预扫描结果对虫草粉末样品的类别进行预判；S2，根据预判结果调用对应的扫描策略进行多模态光谱扫描；S3，基于深度学习模型提取多模态光谱信息中的虫草特征，对所述虫草特征进行单模态独立判别、多模态加权投票以识别出虫草粉末样品的类别和/或类别比例。本发明专利技术通过预扫描优化多模态光谱扫描策略，提升了多模态光谱信息的准确性；基于深度学习模型进行各模态光谱的多尺度特征提取，并进行各模态特征独立判别后，通过加权投票确定最终结果，提升了虫草粉末样品识别的准确性，能够应对精细化鉴别需求。

【技术实现步骤摘要】

本专利技术涉及食药用菌检测，更具体地，涉及一种基于多模态光谱分析及深度学习的虫草粉末智能识别方法。

技术介绍

1、虫草类食药用真菌种类繁多，不同种类不仅在形态、生态习性上各有特点，其食药用价值也各不相同。冬虫夏草等名贵药材市场上存在假冒或掺假现象。传统感官鉴别方法需专业人员鉴别，但特征不明显而难以判断；传统仪器鉴别方法主要以理化检测法(hplc、gc-ms)为主，但样品前处理复杂、周期长、成本高；采用分子鉴别方法(dna分子标记法)，dna提取受加工工艺影响，检测周期长、成本高，且需配套专业实验室。光谱鉴别方法(可见光谱、近红外光谱)可快速分辨药材，但现有光谱分析系统存在诸多问题，如校准参数固定，无法适应不同批次样品和环境变化；光谱采集参数预设，对异常样品处理能力弱；单一光谱模态信息有限，难以应对精细化鉴别需求；传统光谱分析算法对掺伪样品识别率低；新型虫草品种加入需重建整个模型。

2、因此，有必要研究一种更优的虫草粉末智能识别方案。

技术实现思路

1、本专利技术针对现有技术中存在的技术问题，提供一本文档来自技高网...

【技术保护点】

1.一种基于多模态光谱分析及深度学习的虫草粉末智能识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤S1前，还包括对虫草粉末样品进行预处理，所述预处理包括：

3.根据权利要求1所述的方法，其特征在于，步骤S1，包括：

4.根据权利要求3所述的方法，其特征在于，步骤S2，包括：

5.根据权利要求4所述的方法，其特征在于，步骤S202，包括：

6.根据权利要求4所述的方法，其特征在于，步骤S201中，所述根据样品类别预判结果选择合适的光谱模态组合，包括：

7.根据权利要求1所述的方法，其特征在于...

【技术特征摘要】

1.一种基于多模态光谱分析及深度学习的虫草粉末智能识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤s1前，还包括对虫草粉末样品进行预处理，所述预处理包括：

3.根据权利要求1所述的方法，其特征在于，步骤s1，包括：

4.根据权利要求3所述的方法，其特征在于，步骤s2，包括：

5.根据权利要求4所述的方法，其特征在于，步骤s202，包括：

...

【专利技术属性】
技术研发人员：范文丽，侯德松，宋国柱，赵英明，王明月，陈琳馨，宋广辉，范泽坤，李天来，
申请(专利权)人：沈阳农业大学，
类型：发明
国别省市：