針對(duì)現(xiàn)有水果組織光學(xué)特征參數(shù)反演方法耗時(shí)費(fèi)力、普適性較差的問(wèn)題,提出了一種基于模型遷移的光學(xué)特征參數(shù)反演方法。以蘋(píng)果為例構(gòu)造仿真雙層生物組織模型;基于蒙特卡洛(Monte Carlo)原理進(jìn)行光子傳輸模擬生成150萬(wàn)光亮度分布圖,將光亮度分布圖作為數(shù)據(jù)集輸入構(gòu)造好的8層卷積神經(jīng)網(wǎng)絡(luò)(CNN)上進(jìn)行訓(xùn)練,得到預(yù)訓(xùn)練模型;再將訓(xùn)練好的模型遷移到實(shí)際測(cè)得的含有4 000幅蘋(píng)果高光譜點(diǎn)光源圖像的數(shù)據(jù)集上進(jìn)行微調(diào),從而完成對(duì)光學(xué)參數(shù)的反演。將本文方法與其他幾種算法的反演結(jié)果進(jìn)行分析比較,結(jié)果表明,在實(shí)測(cè)數(shù)據(jù)集較小的情況下,該方法對(duì)蘋(píng)果光學(xué)特征參數(shù)的反演結(jié)果為果皮吸收系數(shù)87.26%、果肉吸收系數(shù)90.53%、果皮散射系數(shù)86.66%、果肉散射系數(shù)87.57%,反演準(zhǔn)確率高于其他算法,預(yù)訓(xùn)練模型基于大量仿真模型的光亮度分布圖經(jīng)由訓(xùn)練而得到具有良好的普適性。本研究為解決水果光學(xué)特征參數(shù)反演中建模數(shù)據(jù)量不足問(wèn)題提供了方法參考。

【文章頁(yè)數(shù)】：8 頁(yè)


本文編號(hào)：3842877