一种基于深度学习的RGB与高光谱的烟草识别方法
基本信息
| 申请号 | CN202111445062.X | 申请日 | - |
| 公开（公告）号 | CN114155385A | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN114155385A | 申请公布日 | 2022-03-08 |
| 分类号 | G06V10/56（2022.01）I;G06V10/774（2022.01）I;G06V10/74（2022.01）I;G06V10/764（2022.01）I;G06V10/26（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 郑庆元;倪超;吴锐;杨旭;陈玉龙;朱婷婷 | 申请（专利权）人 | 江苏鑫源烟草薄片有限公司 |
| 代理机构 | 南京申云知识产权代理事务所（普通合伙） | 代理人 | 田沛沛;邱兴天 |
| 地址 | 223001江苏省淮安市清浦区浦发大道66号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于深度学习的RGB与高光谱的烟草识别方法，属于图像识别技术领域。首先利用RGB彩色图像的对数阈值分割和圈选标记，将图像中的与烟草颜色差别明显的其他物质区别出来；再结合高光谱成像，针对色彩相近区域进行特殊优化，利用自主设计的高光谱差值矩阵法，构建光谱特征F通道，对RGB中的相近色块使用深度学习结合F通道数据进行二次识别，避免相近色彩物体的漏检。本发明将高光谱与RGB结合，对传统RGB相机无法识别的颜色相近或透明的杂质做出优化，判断出烟草中的不同于烟草光谱特性的物质，实现实时监控筛选，避免人员主观与长时间工作带来的影响，提升烟草的纯净度和识别效率，对烟草行业具有十分重要的意义。 |
