龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江工业大学
申请日：2024-03-12
公开（公告）日：2024-06-18
公开（公告）号：CN118212187A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/194;G06T7/136;G06T7/11;G06T7/62;G06F17/16;G06V10/80;G06V10/58;G06T7/40;G01N21/25
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于谱图特征融合的红茶萎凋含水率检测方法，首先，基于高光谱成像，采集萎凋红茶的高光谱图像，并获取红茶相应的含水率；然后，通过高光谱图像提取红茶光谱特征、纹理特征、形状特征，并基于三者并联后的特征变量以及作为目标变量的含水率，构建一组回归模型进行训练，得到最优的回归模型；最后，通过外部数据集进行最优回归模型的验证。本发明提供的红茶萎凋含水率检测方法，采用多特征融合作为模型的输入，综合考虑多方面信息，能够更全面、客观、高效地进行含水率计算，提高了含水率检测的准确性和稳定性，为红茶生产提供了一种先进、可靠的检测手段，在红茶含水率检测领域具有很大的推广价值。
主权项：1.一种基于谱图特征融合的红茶萎凋含水率检测方法，其特征在于包括如下步骤：步骤S1：获取萎凋过程中堆叠红茶的高光谱图像及其对应的含水率；步骤S2：基于高光谱图像提取红茶平均光谱特征，并选取与含水率相关性强的单波段图像；步骤S3：根据选取的单波段图像，采用灰度共生矩阵法对其进行纹理特征提取，得到红茶表面的纹理特征；步骤S4：根据选取的单波段图像，基于神经网络模型，对模型底层学习到的形状特征进行提取，得到红茶表面的形状特征；步骤S5：基于所述光谱特征、纹理特征和形状特征构建不同的特征变量组合，将特征变量组合与含水率，共同用于构建特征融合的回归模型，回归模型调优使用交叉验证和网格搜索，并找到最佳超参数组合，根据不同特征变量组合在不同回归模型下的效果，构建最优的回归模型。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于谱图特征融合的红茶萎凋含水率检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号