公开(公告)号：CN114112932B

公开(公告)日：2024-09-20

申请号：CN202111314640.6

申请日：2021-11-08

申请人： 南京林业大学

发明人： 姜洪喆 ,  杨鹏 ,  许崇涛 ,  胡逸磊 ,  鞠皓 ,  李兴鹏 ,  周宏平 ,  蒋雪松 ,  施明宏

IPC分类号： G01N21/25

摘要： 本发明公开一种基于深度学习的油茶果成熟度高光谱检测方法及分选设备。本发明的方法包括步骤：首先获取不同成熟度的油茶果样本，再获得每个样本的光谱，然后对每个样本进行理化指标测定并提取指示成熟度信息的单一综合评价因子，再对样本的光谱进行预处理，将预处理光谱和纹理信息作为人工智能深度卷积神经网络的信息输入，以成熟度因子得分作为预测输出，建立模型预测并评价选取最优预处理方法和特征信息组合；建立少变量成熟度预测模型并进行评价；最后将深度学习简化模型迁移植入到分选设备的主控制器中进行预测分选。本发明能够快速对不同成熟度果实进行检测，并进行分类图像可视化，同时借助机械设备进行分选。

公开(公告)号：CN114112932A

公开(公告)日：2022-03-01

申请号：CN202111314640.6

申请日：2021-11-08

申请人： 南京林业大学

发明人： 姜洪喆 ,  杨鹏 ,  许崇涛 ,  胡逸磊 ,  鞠皓 ,  李兴鹏 ,  周宏平 ,  蒋雪松 ,  施明宏

IPC分类号： G01N21/25

摘要： 本发明公开一种基于深度学习的油茶果成熟度高光谱检测方法及分选设备。本发明的方法包括步骤：首先获取不同成熟度的油茶果样本，再获得每个样本的光谱，然后对每个样本进行理化指标测定并提取指示成熟度信息的单一综合评价因子，再对样本的光谱进行预处理，将预处理光谱和纹理信息作为人工智能深度卷积神经网络的信息输入，以成熟度因子得分作为预测输出，建立模型预测并评价选取最优预处理方法和特征信息组合；建立少变量成熟度预测模型并进行评价；最后将深度学习简化模型迁移植入到分选设备的主控制器中进行预测分选。本发明能够快速对不同成熟度果实进行检测，并进行分类图像可视化，同时借助机械设备进行分选。