一种基于1D-CNN的双波段融合高光谱亚麻籽不完善粒识别方法

本发明涉及一种基于1D‑CNN的双波段融合高光谱亚麻籽不完善粒识别方法，其核心在于通过可见‑近红外(400‑1000nm)和短波红外(1000‑2000nm)双波段高光谱成像系统同步采集霉变粒、破损粒、热损伤粒、发芽粒和正常粒样本数据，经黑白板校正和感兴趣区域提取后，采用线性插值技术实现双波段光谱数据的无缝拼接，再通过多元散射校正和标准正态变换等预处理方法优化数据质量，最后利用具有三层卷积结构的1D‑CNN深度学习模型分别提取深层特征，该技术突破了传统单一波段检测的局限性，将亚麻籽不完善粒的识别准确率提升至97.50％，相比单一波段检测方法显著提高3‑5％的识别精度。