一种基于高光谱图像分割技术的非烟杂物检测方法
摘要文本
本发明属于烟叶复烤过程中碎烟回收的异物检测方法领域，具体提出一种基于深度学习的高光谱烟草杂质检测方法，包括：S1：数据采集及预处理；S2：构建非烟杂物数据集，划分训练集和测试集；S3：构建基于U‑Net的图像分割网络；S4：用S2所述训练集对S3得到的图像分割网络进行并行训练：S5：构建基于U‑Net的并行计算图像分割网络；S6：使用S2所述测试集对S5所述并行计算图像分割网络进行测试并评估分割结果。本发明基于U‑Net框架逐步提取多尺度判别特征并进行融合，使用多个独立的图像分割网络并行处理高光谱图像数据。与其他检测方法相比所提出的分割模型具有优越的非烟异物检测性能的同时设计通道选择策略去除冗余信息大大提高了检测速度。
申请人信息
- 申请人:云南烟叶复烤有限责任公司
- 申请人地址:650032 云南省昆明市圆通街51号
- 发明人: 云南烟叶复烤有限责任公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于高光谱图像分割技术的非烟杂物检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410082853.8 |
| 申请日 | 2024/1/19 |
| 公告号 | CN117611828A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06V10/26 |
| 权利人 | 云南烟叶复烤有限责任公司 |
| 发明人 | 李金伟; 李瑞东; 唐林瑞泽; 赵敏; 徐元飞; 史帅凯; 李强; 李仁刚; 陈捷; 李健龙; 卢瑾; 朱毓航 |
| 地址 | 云南省昆明市圆通街51号 |
专利主权项内容
1.一种基于高光谱图像分割技术的非烟杂物检测方法，其特征在于，包括如下步骤：S1：数据采集及预处理：使用高光谱相机采集杂物和碎烟的高光谱图像并进行最大最小值归一化；S2：构建非烟杂物数据集：对S1归一化后的高光谱图像进行图像分割并标注，并进行随机剪裁，再通过对高光谱图像中的通道进行特征选择并进行通道融合得到三通道图像和对应的标签图像；最后将所述三通道图像和对应的标签图像随机分配为训练集和测试集；S3：构建基于U-Net的图像分割网络：构建用于光谱信息融合及空间纹理信息提取的U-Net模块，所述U-Net模块包含下采样的编码器、上采样的解码器和跨层连接部分；构建用于辅助训练U-Net编码器的判别器模块；S4：用S2中所述训练集数据对基于U-Net的图像分割网络进行并行训练：S5：构建基于U-Net的并行计算图像分割网络：所述并行计算图像分割网络由3个独立的U-Net模块和一个融合模块组成；S51：将3个已经训练好的基于U-Net的图像分割网络中的判别器模块丢弃，仅保留U-Net模块，所述每个U-Net模块处理S2图像中的一个通道；S52：构建用于融合分割结果的融合模块，所述融合模块将多个通道的信息合并，产生最终的分割结果；S6：测试并评估结果：使用S2得到的测试集对S5构建的基于U-Net的并行计算图像分割网络进行测试并用图像分割的评价指标评估分割结果；S61：将测试集中每一组测试数据中的3张三通道图像分别送入3个独立的U-Net模块得到分割结果，再将3个分割结果送入融合模块，得到最终的分割结果；S62：利用图像分割的评价指标对分割结果进行评测。