基于短波近红外高光谱和深度学习的籽棉地膜分选算法

被引：17

作者：

倪超 ^{[1
]}

李振业 ^{[1
]}

张雄 ^{[1
]}

赵岭 ^{[2
]}

朱婷婷 ^{[1
]}

蒋雪松 ^{[1
]}

机构：

[1] 南京林业大学机械电子工程学院

[2] 聊城大学机械与汽车工程学院

来源：

农业机械学报 | 2019年 / 50卷 / 12期

关键词：

籽棉; 地膜; 短波近红外高光谱成像; 分选; 自适应加权自编码器; 极限学习机;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论]; S225.911 [];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 0828 ;

摘要：

采用膜下滴灌棉花种植模式,在机械采摘过程中地膜易混入籽棉,对后续棉花加工影响极大。地膜无色透明且无荧光效应,常规方法很难识别。为了解决地膜的分选问题,提出一种基于短波近红外高光谱和深度学习的籽棉地膜分选算法。首先,针对高光谱图像中地膜与非地膜像素点光谱特征区分不明显的问题,利用堆叠自适应加权自编码器逐层提取与输出相关的低维非线性高阶特征;然后,将此高阶特征作为分类器的输入,采用粒子群优化的极限学习机实现初步分类;最后,对分类结果进行类型合并,运用形态学方法以及连通域分析,剔除误识别区域,得到优化后的地膜分类结果。经仿真试验及现场测试,算法对地膜识别率达到95. 5%,地膜选出率达95%,满足实际生产需求。

引用

页码：170 / 179

页数：10

共 31 条

[1] 基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究 [J].