一种基于可见-近红外高光谱与GLCM纹理特征融合的枯茗子缺陷粒SVM检测方法

本发明公开了一种基于可见‑近红外高光谱与GLCM纹理特征融合的枯茗子缺陷粒SVM检测方法，方法包括：以人工选制的枯茗子霉变粒、热受损粒和正常颗粒为研究对象，通过可见高光谱成像系统采集标准化样本数据，通过连续投影算法筛选关键特征波段，从440个波长筛选264个特征，剔除了光谱数据中的冗余信息和干扰因素，然后通过灰度共生矩阵GLCM提取9类纹理特征，并将双模态数据手动拼接融合构建双通道数据集，通过构建SVMDA分类，实现缺陷分类准确率94.44％，较传统方法提升8％。丰富了数据集模态，使多模态特征有效结合，从而实现枯茗子的高效筛选分类，同时也为光谱数据的处理和提高模型精确度提供了新的解决思路。