一种基于深度学习模型与高光谱成像的小麦单籽粒外观异常检测方法

本发明公开了一种基于深度学习模型与高光谱成像的小麦单籽粒外观异常检测方法，包括：步骤一，采集不同类别的小麦籽粒样本；步骤二，利用可见光‑近红外和短波近红外高光谱成像系统获取小麦籽粒的高光谱图像数据，并提取光谱信息和图像信息；步骤三，对光谱数据进行预处理，并验证预处理效果；步骤四，筛选光谱特征波段，结合灰度共生矩阵提取纹理特征及形态学特征，构建中水平数据融合模型；步骤五，构建图谱特征融合深度学习模型，实现光谱与图像特征的高水平融合；步骤六，对高光谱图像进行像素级分类，生成小麦籽粒外观异常的空间分布可视化结果。本发明具备高精度、无损检测及强泛化能力，适用于小麦品质分级、加工分选及仓储安全管理。