| 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 |
| |
| 引用本文： | 金科,郭志强,曾云流,丁港.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[J].激光与光电子学进展,2023(20):49-58. |
| |
| 作者姓名： | 金科 郭志强 曾云流 丁港 |
| |
| 作者单位： | 1. 武汉理工大学信息工程学院;2. 华中农业大学园艺林学学院园艺植物生物学教育部重点实验室,国家柑橘保鲜技术研发专业中心 |
| |
| 基金项目： | 国家重点研发计划（2021YFD1200202-08）；;国家自然科学基金（32272779）；;猕猴桃质量安全与加工保鲜岗位项目（CARS26）； |
| |
| 摘 要： | 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。
|
| 关 键 词： | 高光谱图像 猕猴桃 图像分类 卷积神经网络 Haar小波变换 |
|
