高光谱成像的机采籽棉杂质分类检测

2021-11-11 05:23:48常金强张若宇庞宇杰张梦芸
光谱学与光谱分析 2021年11期
关键词:分类检测模型

常金强,张若宇,庞宇杰,张梦芸,扎 亚

石河子大学机械电气工程学院/农业农村部西北农业装备重点实验室,新疆 石河子 832003

引 言

近年来棉花全程机械化生产比例增加,机采籽棉需要在后续加工过程中进行多道清理工艺,但是清理机械会对棉花纤维造成损失,降低加工所得皮棉的品质,影响最终产品价格和经济效益。因此对棉花杂质进行检测,并将杂质进行分类判别,为调整棉花清理机械加工参数和工序提供参考依据,对提升皮棉品质具有重要实际生产价值和意义。

由于皮棉中异纤含量对价格影响较大,国内的研究主要集中在异性纤维检测[1-2]。张志峰等[3]提出了一种基于改进的自适应迭代阈值法皮棉疵点快速检测方法;张林等[4]采用LED与线激光的双光源一次成像方法,可以检测出各种颜色的异性纤维;张成梁等[5-6]、王昊鹏等[7]提取机采籽棉可见光图像中杂质的颜色、形状和纹理特征,对各类植物杂质进行分类检测;倪超等[8]采用深度学习方法对短波近红外高光谱图像中的地膜进行检测。

国外的研究主要集中在植物性杂质的检测,Wang等[9]采用基于自动视觉检测系统的伪异性纤维检测方法,提高了棉花中异性纤维的分类精度。Fortier等[10]建立棉花中植物杂质的近红外光谱库,进行杂质光谱分类识别。Li等[11-15]基于高光谱成像技术,采用反射、透射和荧光等成像方式,应用降维、特征波段选择、分类判别算法等分析方法,对皮棉中多种植物和异纤杂质进行检测。……

登录APP查看全文

猜你喜欢
分类检测模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用