融合高光谱和图像深度特征的腊肉分类与检索算法研究

作者：董小栋; 郭培源^*; 徐盼; 许晶晶

来源：食品工业科技, 2018, 39(23): 255-266.

DOI：10.13386/j.issn1002-0306.2018.23.044

• 卷积神经网络
• 高光谱成像
• 支持向量机
• 主成分分析

本文以腊肉为实验对象,建立一种融合光谱曲线特征和图像特征的肉类食品分类与检索方法,利用10个3×3的卷积层、3个5×5的卷积层、5个5×5的池化层和2个全连层的CNN模型对高光谱图像进行特征提取,并以交叉熵作为优化目标,同时利用多元散射校正和主成分分析方法(Principal Component Analysis,PCA)对光谱特征进行预处理和特征提取,然后将两种特征进行融合,并将融合特征利用支持向量机(Support Vector Machine,SVM)进行分类。结果表明,直接使用CNN训练好的模型对高光谱图像进行特征提取,利用SVM作为分类器,分类的准确率只有75.6%,融合光谱曲线特征后用SVM进行分类,准确率可达99.2%。此外,本文还计算了被检索样本和标准等级样本特征向量的欧氏距离,完成了腊肉新鲜度等级的检索任务,显示了该方法的可行性和有效性。

• 单位
  北京工商大学