摘要
本发明公开了一种融合多层小波分解特征的高光谱干豌豆热损伤识别方法。该方法通过高光谱成像技术获取400‑1000nm范围内的干豌豆光谱信息,采用db6小波函数对原始光谱进行七层分解,提取多尺度细节特征。结合相关性分析筛选出最优小波层,并构建多尺度融合特征集合,以提升模型对热损等级的判别能力。采用PLS、SVM、LR和RF等多种分类模型对特征进行建模分析,比较其在不同特征组合下的识别性能。本方法有效降低了冗余信息干扰,增强了光谱对热损伤特征的表达能力,显著提升了模型准确率与稳定性。该方法具有非接触、高通量、智能化的优势,适用于干豌豆等农产品的热损伤识别与品质分级。
技术关键词
分解特征
损伤识别方法
支持向量机模型
融合特征
高光谱成像系统
高光谱图像数据
高光谱成像技术
损伤识别模型
近红外光谱仪
图像可视化
逻辑回归模型
损伤特征
多尺度
反演方法
无裂纹
高通量
可见光
分辨率
参数
系统为您推荐了相关专利信息
损伤识别方法
损伤识别系统
子模块
MEMS三轴加速度
语义分割网络
空间注意力模型
融合特征
文本检测方法
分类网络
像素点
人工智能服务器
表单填写方法
图像
历史会话
人工智能模型
机械臂控制方法
坐标系
融合特征
梯度纹理特征
机械臂控制系统
状态评估方法
神经网络模型
多任务
电信号
融合特征