基于三维卷积神经网络的高光谱图像分类研究

作     者：穆青爽 

作者单位：河北工业大学 

学位级别：硕士

导师姓名：康志龙

授予年度：2022年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 09[农学] 0903[农学-农业资源与环境] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：高光谱图像技术 三维卷积神经网络 深度可分离卷积神经网络 支持向量机 枸杞产地分类 

摘      要：近年来,食品品质安全越来越受到人们的关注,其中食品的属性(例如类别、产地、营养成分、加工过程)是食品品质关注的重点。高光谱成像技术具有快速、无损、非接触性等优势,在食品属性分类领域中应用广泛。高光谱图像是一个具有光谱和空间连续性的三维超立方体,本文为了充分利用超立方体的数据特征,将三维卷积神经网络(Three-Dimensional Convolutional Neural Network,3DCNN)与高光谱成像技术相结合,并针对食品属性分类展开研究,重点以四种不同产地的枸杞作为研究对象。主要内容和成果如下:(1)采集具有代表性的四种不同产地(宁夏、青海、甘肃、新疆)的干枸杞作为研究对象。使用波长范围在870 nm-1713 nm的高光谱成像系统采集枸杞的图像信息,并以枸杞的物理特性与光谱反射率为依据选取感兴趣区域(Region of Interest,ROI),将其ROI内的数据作为枸杞样本信息。(2)提出基于3DCNN的高光谱图像分类算法,其优势在于使用三维卷积模块可以同时学习高光谱图像的光谱和空间信息。通过分析三维卷积模块的数量对枸杞产地分类特性的影响,确定了三维卷积模块的最佳数量为四层。相对于基于光谱信息的支持向量机(Support Vector Machine,SVM)分类方法、以及基于光谱信息融合纹理特性的SVM分类方法,该算法的总体分类精度分别提高了2.84%和3.7%。结果证明,具有四层三维卷积模块的分类算法(Four-layer-3D-CNN)在枸杞产地分类方面的优势。(3)提出基于混合三维卷积神经网络的分类算法(Hybrid SN),该算法将三维卷积与二维卷积串联,降低了深层三维卷积算法的结构复杂度,同时提高了枸杞产地分类的准确率。又改进提出一种新型混合卷积神经网络算法(New-Hybrid-CNN)来提升算法结构的轻量性以及运算效率,此算法利用了深度可分离卷积的优势:拥有更少的可训练权重参数以及计算成本低,在实验过程中模型的训练时间为596.38秒,比Hybrid SN减少约47秒,涉及到的参数量是Hybrid SN算法的17%,总体分类精度依然能达到99.73%。结果证明该算法可以有效区分不同产地枸杞的高光谱图像。