CN115350944A - 蚕蛹识别装置和方法 - Google Patents
蚕蛹识别装置和方法 Download PDFInfo
- Publication number
- CN115350944A CN115350944A CN202210985552.7A CN202210985552A CN115350944A CN 115350944 A CN115350944 A CN 115350944A CN 202210985552 A CN202210985552 A CN 202210985552A CN 115350944 A CN115350944 A CN 115350944A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- silkworm
- near infrared
- silkworm chrysalis
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/367—Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种蚕蛹识别装置和方法,涉及光谱检测技术领域,所述装置包括:所述装置包括:上样系统,用于将待检测蚕蛹传输至双光谱采集系统;双光谱采集系统包括两个光谱仪,并通过两个光谱仪采集上样系统上样的待检测蚕蛹左右两个侧面的近红外光谱;自动分选系统,用于根据双光谱采集系统采集到的双光谱识别待检测蚕蛹的雌雄,并根据识别结果对待检测蚕蛹进行分选。解决了现有技术中蚕蛹的雌雄判别的准确率和效率均较低的问题,达到了可以基于待检测蚕蛹的近红外光谱自动识别蚕蛹的雌雄提高识别效率的效果。同时,本申请结合待检测蚕蛹的左右两侧的近红外光谱进行判断,提高了信息的全面性进而提高识别准确率的效果。
Description
技术领域
本发明涉及一种蚕蛹识别装置和方法,属于光谱检测技术领域。
背景技术
蚕蛹凭借其良好的食用价值和药用价值已经成为众多养殖户争相养殖的物种之一。
养殖户在养殖过程中,通常需要区分蚕蛹的雌雄,进而将雄性蚕蛹送至餐厅供食用或者送至制药厂制药,而将雌性蚕蛹保留进行繁衍。现有方案中,养殖户通过人工判别蚕蛹的雌雄,判别准确率和效率均较低。
发明内容
本发明的目的在于提供一种蚕蛹识别装置和方法,用于解决现有技术中存在的问题。
为达到上述目的,本发明提供如下技术方案:
根据第一方面,本发明实施例提供了一种蚕蛹识别装置,所述装置包括:上样系统、双光谱采集系统和自动分选系统;
所述上样系统,用于将待检测蚕蛹传输至所述双光谱采集系统;
所述双光谱采集系统包括两个光谱仪,并通过所述两个光谱仪采集所述上样系统上样的所述待检测蚕蛹左右两个侧面的近红外光谱;
所述自动分选系统,用于根据所述双光谱采集系统采集到的双光谱识别所述待检测蚕蛹的雌雄,并根据识别结果对所述待检测蚕蛹进行分选。
可选地,所述装置还包括回流系统;
所述回流系统,用于在所述自动分选系统的识别结果为所述待检测蚕蛹的雌雄未知时,将所述待检测蚕蛹回流至所述上样系统,并通过所述上样系统再次上样。
第二方面,提供了一种蚕蛹识别方法,所述方法用于第一方面所述的装置中,所述方法包括:
通过光谱仪获取待检测蚕蛹左右两个侧面的近红外光谱;
根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄。
可选地,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
根据获取得到的双光谱获取平均光谱特征信息;
对所述平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息;
将降维后的所述平均光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
可选地,所述根据获取得到的双光谱获取平均光谱特征信息,包括:
对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;计算两个近红外光谱的光谱特征信息的平均光谱特征信息;
或者,
计算两个近红外光谱的平均近红外光谱,提取所述平均近红外光谱的平均光谱特征信息。
可选地,所述对所述平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息,包括:
计算各波长点下的差分值;
将所述平均光谱特征信息在各个波长点处加上对应波长点的差分值;
对计算后的平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息。
可选地,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;
对提取得到的各个光谱特征信息进行降维,得到降维后的光谱特征信息;
将降维后的两个光谱的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
可选地,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
对获取得到的双光谱进行光谱拼接,得到拼接光谱;
提取所述拼接光谱的光谱特征信息;
对所述光谱特征信息进行降维,得到降维后的光谱特征信息;
将降维后的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
可选地,所述对获取得到的双光谱进行光谱拼接,得到拼接光谱,包括:
对每个近红外光谱进行去噪,得到去噪后的近红外光谱;
将去噪后的两个近红外光谱按照预设顺序进行拼接,得到所述拼接光谱。
可选地,目标光谱为通过光谱仪获取得到的近红外光谱或者计算得到的平均近红外光谱或者拼接后得到的拼接光谱,提取所述目标光谱的光谱特征信息,包括:
对所述目标光谱进行移动平滑,得到移动平滑后的光谱;
对移动平滑后的光谱进行多元散射校正,得到校正后的光谱;
对校正后的光谱进行微分求导,提取得到光谱特征信息。
通过光谱仪获取待检测蚕蛹左右两个侧面的近红外光谱;根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄。解决了现有技术中蚕蛹的雌雄判别的准确率和效率均较低的问题,达到了可以基于待检测蚕蛹的近红外光谱自动识别蚕蛹的雌雄提高识别效率的效果。同时,本申请结合待检测蚕蛹的左右两侧的近红外光谱进行判断,提高了信息的全面性进而提高识别准确率的效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的蚕蛹识别装置的结构示意图;
图2为本发明一个实施例提供的双光谱采集光路的一种可能的示意图;
图3为本发明一个实施例提供的蚕蛹识别方法的方法流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1,其示出了本申请一个实施例提供的蚕蛹识别装置的装置示意图,如图1所示,所述装置包括:上样系统、双光谱采集系统和自动分选系统;
所述上样系统,用于将待检测蚕蛹传输至所述双光谱采集系统;
可选地,上样系统可以包括上料料斗、上料传感器、振动盘和传输皮带;上料料斗用于放置各个待检测蚕蛹,上料料斗的下方设置有开口,各个待检测蚕蛹可以通过下方的开口掉落至下方的振动盘中;振动盘可以按照预设频率振动,用于将上料料斗掉落的蚕蛹振散避免蚕蛹堆积,并将振散的蚕蛹传送至传输皮带;传输皮带用于将待检测蚕蛹传输至双光谱采集系统;上料传感器用于检测传送至传输皮带的蚕蛹的个数。
所述双光谱采集系统包括两个光谱仪,并通过所述两个光谱仪采集所述上样系统上样的所述待检测蚕蛹左右两个侧面的近红外光谱;
可选地,双光谱采集系统可以包括光源、光谱仪自动校准结构以及双光谱光路结构。其中,光源可以为能发光的各种光源,在一种可能的实施方式中,光源可以为钨灯;双光谱光路结构可以包括去除杂散光石英片、反射镜、汇聚透镜、光纤和光谱仪,如图2所示,其示出了双光谱光路结构的一种可能的示意图。结合图2,校准过程包括:旋转光路至标准片位置,钨灯发出的光,穿过标准片经反射镜和透镜汇聚到光纤端面;最终由光纤导入光谱仪内。在上述结构中,光谱采集过程如下:旋转光路至采集样品位置,钨灯发出的光,照射到蚕蛹上,经石英片滤光,从左右两侧分别收集蚕蛹光谱信息,经反射镜和透镜汇聚到光纤端面;最终由光纤导入光谱仪内,光谱仪根据接收到的光生成近红外光谱。结合图2可知,即可采集得到待检测蚕蛹左侧的近红外光谱以及右侧的近红外光谱。
在一种可能的实施例中,通过光路的设计可以将光斑直径控制在预设直径,预设直径小于蚕蛹直径,比如,蚕蛹直径通常为10mm,则本申请中选择的预设直径可以为7mm。并且,本申请中可以控制光谱仪的采集时长为预设采集时长,本申请通过控制采集时长为预设采集时长使得与线体速度的配合,进而实现采集到的蚕蛹长度L=v(速度)*h(预设采集时长)+D(光斑直径)。
所述自动分选系统,用于根据所述双光谱采集系统采集到的双光谱识别所述待检测蚕蛹的雌雄,并根据识别结果对所述待检测蚕蛹进行分选。
可选地,自动分选系统可以包括两侧对称的气吹口,用于根据识别结果将待检测蚕蛹吹至对应的分选通道,比如,将雌性蚕蛹吹送至雌性蚕蛹的收集通道,将雄性蚕蛹吹送至雄性蚕蛹的收集通道。实际实现时,结合图1,气吹口可以通过分选盘将蚕蛹吹送至对应的分选通道,在此不再赘述。
当然,实际实现时,对于某些待检测蚕蛹,可能无法确定其是雌性蚕蛹还是雄性蚕蛹,也即该蚕蛹的雌雄未知,此时,上述自动分选系统还可以将雌雄未知的蚕蛹吹送至未知的收集通道。
需要补充说明的是,为了提高蚕蛹的识别准确率,实际实现时,请参考图1,上述蚕蛹识别装置还可以包括回流系统,用于在所述自动分选系统的识别结果为所述待检测蚕蛹的雌雄未知时,将所述待检测蚕蛹回流至所述上样系统,并通过所述上样系统再次上样。
其中,根据采集到的双光谱识别待检测蚕蛹的雌雄的识别方法详见下述实施例,在此不再赘述。
可选地,回流系统包括回流皮带,回流皮带用于将雌雄未知的蚕蛹传输至上样系统再次上样。
综上所述,通过提供一种蚕蛹识别装置,所述装置包括:上样系统、双光谱采集系统和自动分选系统;所述上样系统,用于将待检测蚕蛹传输至所述双光谱采集系统;所述双光谱采集系统包括两个光谱仪,并通过所述两个光谱仪采集所述上样系统上样的所述待检测蚕蛹左右两个侧面的近红外光谱;所述自动分选系统,用于根据所述双光谱采集系统采集到的双光谱识别所述待检测蚕蛹的雌雄,并根据识别结果对所述待检测蚕蛹进行分选。解决了现有技术中蚕蛹的雌雄判别的准确率和效率均较低的问题,达到了可以基于待检测蚕蛹的近红外光谱自动识别蚕蛹的雌雄提高识别效率的效果。同时,本申请结合待检测蚕蛹的左右两侧的近红外光谱进行判断,提高了信息的全面性进而提高识别准确率的效果。
请参考图3,其示出了本申请一个实施例提供的蚕蛹识别方法的方法流程图,所述方法可以用于图1所示的蚕蛹识别装置中,如图3所示,所述方法包括:
步骤301,通过光谱仪获取待检测蚕蛹左右两个侧面的近红外光谱;
步骤302,根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄。
实际实现时,本步骤可以包括多种实现方式。
在第一种可能的实现方式中,本步骤包括:
第一,根据获取得到的双光谱获取平均光谱特征信息;
可选地,本步骤包括:
对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;计算两个近红外光谱的光谱特征信息的平均光谱特征信息;
其中,提取近红外光谱的光谱特征信息的步骤包括:
(1)、对近红外光谱进行移动平滑,得到移动平滑后的光谱;
其中,n为波长点,2i+1为移动平滑窗口宽度。Xm为移动平滑后的光谱,X为原始光谱。
(2)、对移动平滑后的光谱进行多元散射校正,得到校正后的光谱;
(3)、对校正后的光谱进行微分求导,提取得到光谱特征信息。
或者,
计算两个近红外光谱的平均近红外光谱,提取所述平均近红外光谱的平均光谱特征信息。
以上仅以分别提取得到两个光谱的光谱特征信息之后,计算平均光谱特征信息来举例说明,在另一种可能的实现方式中,还可以先计算两个近红外光谱的平均光谱,之后提取平均光谱的平均光谱特征信息,本申请对其具体实现并不做限定。其中,提取平均光谱的平均光谱特征信息的提取步骤与以上提取每个近红外光谱的光谱特征信息的步骤类似,在此不再赘述。
通过提取光谱特征信息可以去除蚕蛹表面杂散的信息,去除基线漂移,提高了光谱信息的准确度。
第二,对所述平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息;
可选地,可以通过留一法交叉验证、PCA(principal components analysis,主成分分析技术)、PLS(最小二乘回归)进行降维,保留最佳主成分数。当然,实际实现时,还可以通过其他降维方式进行降维,本申请对其并不做限定。
在一种可能的实施方式中,本步骤可以包括:
(1)、计算各波长点下的差分值;
(2)、将所述平均光谱特征信息在各个波长点处加上对应波长点的差分值;
(3)、对计算后的平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息。
第三,将降维后的所述平均光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
蚕蛹识别网络为预先训练并保存的网络。实际实现时,蚕蛹识别网络可以采用fisher、plsda、支持向量机、KNN、贝叶斯判别等等,对其具体实现并不做限定。以采用KNN算法来举例说明,在K=7时,若判定结果雌蛹个数-雄蛹个数>2,则结果为雌,若雄蛹个数-雌蛹个数>2,则结果为雄,若-2<雌蛹个数-雄蛹个数<2,则判断结果为不确定进行回流处理。将雌蛹设为0,雄蛹设为1,对提取特征信息后的光谱进行PLS降维回归,采用留一法交叉验证选定最佳主成分数,进行PLSDA建模,对预测结果设定PLSDA的95%置信阈值a1、a2,对结果a1,a2之间的样品划分不明显的样本作为未知样品回流处理。将雌蛹设为[1,0],雄蛹设为[0,1]作为支持向量机建模的值,实际预测时会判断光谱是雌蛹或雄蛹的概率,根据概率大小判断最终的雌雄结果,对于雌雄概率接近的样本进行设定为第三类回流处理。
本申请根据降维后的平均光谱特征信息来识别蚕蛹的雌雄,达到了在保证识别精度的前提下,降低了计算复杂度的效果。
在第二种可能的实现方式中,本步骤包括:
第一,对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;
本步骤与上述第一种可能的实现方式中提取光谱特征信息的实现方式类似,在此不再赘述。
可选地,在提取光谱特征信息之前,还可以将双光谱采用波长选择,具体的,可以通过Cars、连续特征投影、相关系数法等方法来实现,对此并不做限定。
第二,对提取得到的各个光谱特征信息进行降维,得到降维后的光谱特征信息;
本步骤与上述第一种可能的实现方式中的降维的方法类似,在此不再赘述。
假设一个光谱特征信息降维后得到N个主成分,则本步骤中对双光谱分别进行处理后可以得到2N个主成分。
第三,将降维后的两个光谱的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
在本实现方式中,蚕蛹识别网络为单隐藏层神经网络,在得到两个光谱的光谱特征信息之后,即可将两个光谱特征信息作为蚕蛹识别网络的两份独立输入变量,从而使得输入信息扩大一倍。在一种可能的实施例中,单隐藏层神经网络的隐藏层神经元个数可以为15,训练过程中训练2000次。
在一种可能的实施例中,在将光谱特征信息输入至蚕蛹识别网络之后即可得到ym=x1w1,m+x2w2,m+x3w3,m+...+xnwn,m+bm,ym为单个隐藏神经元,x1,x2,x3...,xn为输入层,w1,m,w2,m,w3,m,...,wn,m为输入层到第m个隐藏神经元的系数,bm为该隐藏神经元偏置。此后,将最终结果层再对隐藏层进行连接,使用Sigmoid激活函数对各节点结果进行转换及归一,从而判定该蚕蛹是雌蚕蛹还是雄蚕蛹。
在本申请的第三种可能的实现方式中,本步骤包括:
第一,对获取得到的双光谱进行光谱拼接,得到拼接光谱;
本步骤包括:
(1)、对每个近红外光谱进行去噪,得到去噪后的近红外光谱;
可选地,近红外光谱由于探测器或者分光系统等原因,近红外光谱的头尾两端的信噪比相对较差,因此,本申请中在进行光谱拼接之前,先对每个近红外光谱进行去噪。在一种可能的实施例中,可以切除近红外光谱头尾两端的预设长度。比如,采集到的近红外光谱为900-1700nm,其中900-950nm以及1650-1700nmc处的信噪比是较差的,处理的时候直接这两段光谱去掉,使用950-1650nm的光谱。
实际实现时,还可以采用其他去噪方式进行去噪,对此并不做限定。
(2)、将去噪后的两个近红外光谱按照预设顺序进行拼接,得到所述拼接光谱。
比如,将左侧的近红外光谱在前、右侧的近红外光谱在后进行拼接。又比如,将右侧的近红外光谱在前而左侧的近红外光谱在后进行拼接,本申请对其拼接顺序并不做具体限定,实际实现时,可以根据工作人员的设计需求进行设置。
本申请中通过采集左右两侧两个光谱使得双光谱在具有关联性的同时又相互独立,保证了信息的全面性。
第二,提取所述拼接光谱的光谱特征信息;
本步骤中提取光谱特征信息的提取方式与上述提取方式类似,不同的是,所基于的光谱不同,本申请在此不再赘述。
第三,对所述光谱特征信息进行降维,得到降维后的光谱特征信息;
第四,将降维后的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
本步骤与上述实施例类似,在此不再赘述。
需要补充说明的是,在上述实施例中,当蚕蛹识别网络的识别结果为待检测蚕蛹的雌雄未知时,则可以再次执行步骤301,也即对该待检测蚕蛹再次进行检测识别,提高了蚕蛹雌雄的识别精度。当然,为了在提高识别精度的同时降低计算复杂度,可以控制一个待检测蚕蛹的识别次数最多为预设次数,也即在识别结果为未知的次数达到预设次数时,不再继续进行识别,而是将该待检测蚕蛹的雌雄确定为未知,进而后续通过人工干预进行识别,本申请对此并不做限定。
综上所述,通过光谱仪获取待检测蚕蛹左右两个侧面的近红外光谱;根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄。解决了现有技术中蚕蛹的雌雄判别的准确率和效率均较低的问题,达到了可以基于待检测蚕蛹的近红外光谱自动识别蚕蛹的雌雄提高识别效率的效果。同时,本申请结合待检测蚕蛹的左右两侧的近红外光谱进行判断,提高了信息的全面性进而提高识别准确率的效果。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种蚕蛹识别装置,其特征在于,所述装置包括:上样系统、双光谱采集系统和自动分选系统;
所述上样系统,用于将待检测蚕蛹传输至所述双光谱采集系统;
所述双光谱采集系统包括两个光谱仪,并通过所述两个光谱仪采集所述上样系统上样的所述待检测蚕蛹左右两个侧面的近红外光谱;
所述自动分选系统,用于根据所述双光谱采集系统采集到的双光谱识别所述待检测蚕蛹的雌雄,并根据识别结果对所述待检测蚕蛹进行分选。
2.根据权利要求1所述的装置,其特征在于,所述装置还包括回流系统;
所述回流系统,用于在所述自动分选系统的识别结果为所述待检测蚕蛹的雌雄未知时,将所述待检测蚕蛹回流至所述上样系统,并通过所述上样系统再次上样。
3.一种蚕蛹识别方法,其特征在于,所述方法用于权利要求1或2所述的装置中,所述方法包括:
通过光谱仪获取待检测蚕蛹左右两个侧面的近红外光谱;
根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄。
4.根据权利要求3所述的方法,其特征在于,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
根据获取得到的双光谱获取平均光谱特征信息;
对所述平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息;
将降维后的所述平均光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
5.根据权利要求4所述的方法,其特征在于,所述根据获取得到的双光谱获取平均光谱特征信息,包括:
对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;计算两个近红外光谱的光谱特征信息的平均光谱特征信息;
或者,
计算两个近红外光谱的平均近红外光谱,提取所述平均近红外光谱的平均光谱特征信息。
6.根据权利要求4所述的方法,其特征在于,所述对所述平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息,包括:
计算各波长点下的差分值;
将所述平均光谱特征信息在各个波长点处加上对应波长点的差分值;
对计算后的平均光谱特征信息进行降维,得到降维后的所述平均光谱特征信息。
7.根据权利要求3所述的方法,其特征在于,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
对于每个近红外光谱,提取每个近红外光谱的光谱特征信息;
对提取得到的各个光谱特征信息进行降维,得到降维后的光谱特征信息;
将降维后的两个光谱的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
8.根据权利要求3所述的方法,其特征在于,所述根据获取得到的双光谱以及蚕蛹识别网络,识别所述待检测蚕蛹的雌雄,包括:
对获取得到的双光谱进行光谱拼接,得到拼接光谱;
提取所述拼接光谱的光谱特征信息;
对所述光谱特征信息进行降维,得到降维后的光谱特征信息;
将降维后的光谱特征信息输入至所述蚕蛹识别网络,通过所述蚕蛹识别网络识别所述待检测蚕蛹的雌雄。
9.根据权利要求8所述的方法,其特征在于,所述对获取得到的双光谱进行光谱拼接,得到拼接光谱,包括:
对每个近红外光谱进行去噪,得到去噪后的近红外光谱;
将去噪后的两个近红外光谱按照预设顺序进行拼接,得到所述拼接光谱。
10.根据权利要求5至9任一所述的方法,其特征在于,目标光谱为通过光谱仪获取得到的近红外光谱或者计算得到的平均近红外光谱或者拼接后得到的拼接光谱,提取所述目标光谱的光谱特征信息,包括:
对所述目标光谱进行移动平滑,得到移动平滑后的光谱;
对移动平滑后的光谱进行多元散射校正,得到校正后的光谱;
对校正后的光谱进行微分求导,提取得到光谱特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210985552.7A CN115350944A (zh) | 2022-08-17 | 2022-08-17 | 蚕蛹识别装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210985552.7A CN115350944A (zh) | 2022-08-17 | 2022-08-17 | 蚕蛹识别装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115350944A true CN115350944A (zh) | 2022-11-18 |
Family
ID=84001902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210985552.7A Pending CN115350944A (zh) | 2022-08-17 | 2022-08-17 | 蚕蛹识别装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115350944A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
CN104368540A (zh) * | 2014-10-22 | 2015-02-25 | 中国农业大学 | 一种基于近红外技术的双波长粮食自动分选机 |
CN106198448A (zh) * | 2016-07-17 | 2016-12-07 | 北京化工大学 | 一种自动高速无损分拣活体雌雄蚕蛹或者活体雌雄蚕茧的工艺 |
CN108212822A (zh) * | 2017-12-08 | 2018-06-29 | 江苏科技大学 | 一种快速雌雄蚕蛹分选装置及方法 |
CN110575965A (zh) * | 2019-09-30 | 2019-12-17 | 中国计量大学 | 一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法 |
CN110586492A (zh) * | 2019-09-18 | 2019-12-20 | 苏州精濑光电有限公司 | 一种显示面板检测系统 |
CN112791967A (zh) * | 2020-12-18 | 2021-05-14 | 科捷智能科技股份有限公司 | 异常件检测与调流分拣方法 |
-
2022
- 2022-08-17 CN CN202210985552.7A patent/CN115350944A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
CN104368540A (zh) * | 2014-10-22 | 2015-02-25 | 中国农业大学 | 一种基于近红外技术的双波长粮食自动分选机 |
CN106198448A (zh) * | 2016-07-17 | 2016-12-07 | 北京化工大学 | 一种自动高速无损分拣活体雌雄蚕蛹或者活体雌雄蚕茧的工艺 |
CN108212822A (zh) * | 2017-12-08 | 2018-06-29 | 江苏科技大学 | 一种快速雌雄蚕蛹分选装置及方法 |
CN110586492A (zh) * | 2019-09-18 | 2019-12-20 | 苏州精濑光电有限公司 | 一种显示面板检测系统 |
CN110575965A (zh) * | 2019-09-30 | 2019-12-17 | 中国计量大学 | 一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法 |
CN112791967A (zh) * | 2020-12-18 | 2021-05-14 | 科捷智能科技股份有限公司 | 异常件检测与调流分拣方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11972566B2 (en) | Systems, devices, and methods for detecting fertility and gender of unhatched eggs | |
EP2181398B1 (en) | Multiple-instance pruning for learning efficient cascade detectors | |
Biancolillo et al. | Data-fusion for multiplatform characterization of an Italian craft beer aimed at its authentication | |
US11506593B2 (en) | Methods and systems for classifying fluorescent flow cytometer data | |
EP3500679A1 (en) | Spectroscopic systems and methods for the identification and quantification of pathogens | |
McMullin et al. | Advancements in IR spectroscopic approaches for the determination of fungal derived contaminations in food crops | |
US7822696B2 (en) | Histogram-based classifiers having variable bin sizes | |
MX2007000064A (es) | Eliminacion automatica del fondo para los datos de entrada. | |
CN110160980B (zh) | 样本吸光度变化率的分析方法、分析装置及光学检测系统 | |
CN110705655A (zh) | 一种基于光谱和机器视觉耦合的烟叶分类方法 | |
NL2025810B1 (en) | Method for classifying and evaluating nitrogen content level of brassica rapa subsp. oleifera (brsro) canopy | |
CN109115692B (zh) | 一种光谱数据分析方法及装置 | |
CN116883674B (zh) | 多光谱图像去噪装置及使用该装置的食品品质检测系统 | |
US9325707B2 (en) | Method for identifying/authenticating a person using the venous network thereof | |
CN110575965A (zh) | 一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法 | |
CN115350944A (zh) | 蚕蛹识别装置和方法 | |
Femenias et al. | Near-infrared hyperspectral imaging evaluation of fusarium damage and DON in single wheat kernels | |
CN116758074B (zh) | 一种多光谱食品图像智能增强方法 | |
US11879778B2 (en) | Method for classifying spectra of objects having complex information content | |
CN109540898B (zh) | 一种异性纤维含量检测系统及方法 | |
CN113324943A (zh) | 牦牛奶及其掺加奶牛奶的快速鉴别模型 | |
CN203970354U (zh) | 一种基于移动终端的中医舌象分析系统 | |
Cheng et al. | Identification of wine grape varieties based on near-infrared hyperspectral imaging | |
CN116806308A (zh) | 使用近ir光谱学确定鸡蛋的性质和/或蛋内鸡胚胎的性质的非侵入性方法、相应的系统及其用途 | |
Ma | DeepQuality: mass spectra quality assessment via compressed sensing and deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |