重建高光谱图像的酿酒高粱品种识别方法研究

目的 基于重建高光谱图像技术实现对酿酒高粱品种的实时快速识别.方法 对分层回归网络(hierarchical regression network,HRNet)进行改进,得到残差注意力分层回归网络(residual attention-hierarchical regression network,RA-HRNet).利用该网络进行重建高光谱图像,并在此基础上建立双向长短期记忆网络结合注意力机制(bi-directional long short-term memory-attention,BiLSTM-Attention)的酿酒高粱品种识别模型.以原始 RGB 数据作为重建高光谱图像网络的输入,将输出重建的光谱图像作为酿酒高粱品种识别模型的输入,以完成酿酒高粱品种识别.结果 RA-HRNet 相比 HRNet,模型参数量[Params(M)]降低 80.5%,模型计算量[floating point operations per second,FLOPS(G)]降低 80.2%,峰值信噪比(peak signal-to-noise ratio,PSNR)提升16.9%,平均相对绝对误差值(mean relative absolute error,MRAE)降低 31.8%,均方根误差值(root mean squared error,RMSE)降低 19.1%;相比高光谱检测,重建高光谱检测效率提升 95.8%;酿酒高粱品种识别模型的识别准确率最高可达 95.1%.结论 基于RA-HRNet重建高光谱图像网络结合BiLSTM-Attention模型可以实时快速识别酿酒高粱品种.