摘要
本发明公开了一种基于透射光谱结合特征融合深度学习模型的无籽与有籽西瓜分类方法。方法包括先使用透射光谱采集装置采集获得西瓜的透射光谱数据集;然后构建特征融合模型,并将西瓜的透射光谱数据集输入到特征融合模型中进行训练,得到训练后的特征融合模型;最后采集待测西瓜的透射光谱,将待测西瓜的透射光谱输入到训练后的特征融合模型中进行分类识别处理,得到待测西瓜无籽或有籽的类别。本发明实现了透射光谱方法、图像转换方法和卷积神经网络方法的有效结合,实现了采集西瓜的透射光谱进行模型处理直接得到无籽与有籽西瓜的快速准确分类结果的优势。
技术关键词
融合深度学习模型
西瓜
分类方法
卷积神经网络模块
光谱采集装置
卷积神经网络方法
数据
图像转换方法
通道
采样方法
输出特征
处理器
计算机设备
可读存储介质
存储器
强度
算法
系统为您推荐了相关专利信息
土地利用分类方法
街景
训练样本集
随机森林模型
指数特征
样本
扫描电子显微镜
标签
缺陷分类方法
分类设备
节点特征
节点分类方法
集成学习框架
集成学习算法
标签
特征分类方法
舌诊图像
中医舌诊
个性化健康建议
隐私保护技术