结合三维卷积神经网络和Haar小波滤波器的高光谱猕猴桃品质分类

针对猕猴桃硬度品质无损检测分类困难的问题,提出了结合高光谱成像技术和卷积神经网络的分类模型。该模型融合Haar小波核提取的空间特征信息和三维卷积核提取的空谱联合信息,采用分解数据通道连接的方式确保所有特征能够流到模型末尾,提升了网络特征提取的能力。通过自制的猕猴桃硬度品质Kiwi＿seed数据集上的实验表明,Haar小波变换模块可以显著提升网络的特征提取能力;通过消融实验表明,在增加Haar小波变换模块后模型的分类准确率提升了7.4%,最优可达97.3%,优于经典的图像分类网络,可以很好地解决猕猴桃硬度品质的无损检测分类问题。