棉花膜的智能分类方法结合了高光谱成像和AlexNet-PCA算法
Quang Li1, Ling Zhao1, Xin Yu1
1College of Mechanical and Automotive Engineering, Liaocheng University, Liaocheng 252000, China.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
这项研究引入了一种使用高光谱成像和AlexNet-PCA检测新疆长棉花中透明塑料薄膜污染的新方法. 该技术实现了高精度,提高了棉花质量和加工效率.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 织科学 织科学
背景情况:
- 新疆长棉质量高,但在机械收获过程中容易受到塑料薄膜污染.
- 从种子棉花中去除透明塑料薄膜具有挑战性,影响纤维质量和加工.
研究的目的:
- 开发一种智能识别方法,使用高光谱成像来识别种子棉花中的透明塑料薄膜.
- 优化尺寸缩小技术和卷积神经网络 (CNN) 架构的组合,以实现精确的电影识别.
主要方法:
- 超光谱图像采集和预处理 (黑白校正).
- 使用主要组件分析 (PCA) 减少超谱数据的维度.
- 培训和测试CNN模型,包括AlexNet,与PCA用于电影识别.
主要成果:
- 在测试的模型中,AlexNet-PCA-12表现出最高的识别准确性和成本效益.
- 拟议的方法在实际的分类测试中实现了97.02%的塑料薄膜去除率.
- 该研究确定了一种最优的方法来减少超谱数据的维度,以降低计算成本.
结论:
- 整合CNN和缩小维度提供了一个高精度的解决方案,用于识别种子棉花中的透明塑料薄膜.
- 这项研究为棉花行业先进污染物检测提供了理论模型和实践方法.
- 开发的技术通过有效地去除塑料薄膜污染物,提高了新疆长棉的质量控制.
