文献类型：期刊文章

作　　者：田有文[1] 林磊[1] 宋士媛[1] 郝涛[1] 闫玉博[1] 邓寒冰[1]

TIAN You-wen;LIN Lei;SONG Shi-yuan;HAO Tao;YAN Yu-bo;DENG Han-bing(College of Information and Electrical Engineering/Research Center of Liaoning Agricultural Informatization Engineering Technology,Shenyang Agricultral University,Shenyang 110161,China)

机构地区：[1]沈阳农业大学信息与电气工程学院/辽宁省农业信息化工程技术研究中心,沈阳110161

出　　处：《沈阳农业大学学报》

基　　金：国家自然科学基金项目(31601218);辽宁省教育厅基础研究资助项目(LSNJC201906)。

年　　份：2022

卷　　号：53

期　　号：2

起止页码：187-195

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目前高光谱成像技术已成为蓝莓品质自动检测的重要手段,其中提取特征波长是一个重要步骤。为获得最佳的腐烂蓝莓高光谱特征波长图像,提出一种基于深度学习的高光谱图像特征波长图像选取方法。首先提取腐烂蓝莓高光谱各波长图像的高频分量图像,然后提出利用深度学习图像质量评价网络(DIQA)选取腐烂蓝莓高光谱图像中的最佳图像。在DIQA第一阶段对腐烂蓝莓高光谱图像的高频图学习误差图。在DIQA第二阶段将第一阶段能够预测误差图的网络作为对腐烂蓝莓高光谱图像质量评价的骨干网络,并对网络做全局平均池化,最后引入两个特征以弥补信息量损失,通过评分评价图像质量。结果表明:通过对400~1000nm的472个波长下蓝莓高光谱图像进行质量评价,得到最佳图像质量的5个波长(664,721,836,854,884nm)。与PCA提取的特征波长(454,607,699,913,967nm)图像相比较得知,所提取的腐烂蓝莓特征波长图像具有较多优势。另外采用卷积神经网络ResNet50对DIQA与PCA构建的蓝莓特征波长图像数据集进行学习,得出DIQA选取的腐烂蓝莓特征波长图像构建的数据集,损失能较快的收敛,并且在验证集中能保持稳定的准确率,识别效果最好,最终识别率为99.4%。说明基于DIQA的腐烂蓝莓高光谱特征波长图像选取方法是可行的,可为高光谱图像选取特征波长图像提供一种新的参考方法。

关 键 词：高光谱图像 腐烂蓝莓  深度学习图像质量评价(DIQA)  特征波长图像  

分 类 号：TS207.3]