摘要
本发明涉及土壤物质检测领域,公开了一种基于多模态融合与深度学习的土壤塑料检测方法及系统,所述方法包括:获取待检测土壤样本的一维高光谱数据;基于图像转换算法对一维高光谱数据进行转换,得到二维图像表征;基于第一预设算法对一维高光谱数据进行特征提取,得到光谱特征;基于第二预设算法对二维图像表征进行特征提取,得到图像特征;对光谱特征与图像特征进行多视角概率融合,得到融合特征;将融合特征输入至预先训练的双路注意力残差卷积网络模型中进行分类,得到待检测土壤样本中微塑料的检测结果。本发明提高了检测准确性、增强了模型鲁棒性以及实现了低浓度检测。
技术关键词
基础分类器
融合特征
卷积网络模型
多模态
卷积神经网络模块
转换算法
注意力
图像
塑料
多视角
Gabor滤波器
连续投影算法
光谱特征提取
分支
局部二值模式
连续小波变换
样本
局部特征提取
数据转换模块
系统为您推荐了相关专利信息
低剂量CT图像
CT图像去噪
图像去噪模型
生成对抗网络
编码器
超声机器人
图像分析方法
体数据结构
控制力矩
多模态
受电弓运行状态
受电弓压力
动态
接触点
深度预测模型
语义知识图谱
计算机视觉技术
问答语料
命名实体识别
分层树状结构