小麦水分分布THz图像检测方法、设备和介质

本发明涉及农业检测，尤其涉及小麦水分分布thz图像检测方法、设备和介质。

背景技术：

1、在小麦的存储、运输和加工过程中，对小麦品质的检测是至关重要的环节，其中检测的一项重要指标就是小麦的水分含量和水分分布，小麦的水分水平直接影响着其品质，无论是水分过高还是过低，都会降低粮食作物的质量，影响粮食品质，因此需要对小麦水分进行定期的准确检测，以便有效地控制粮食的品质，实现小麦资源的高效利用。

2、传统的水分检测方法，例如干燥法、化学法和核磁共振法，通常需要对样品进行破坏性处理，操作步骤繁琐且检测周期较长，因此产生了快速、无损检测小麦水分的需求。在无损检测技术中，太赫兹波技术因其成像速度快、对水分敏感而成为不错的选择。中国专利公开号cn108458988a，公开日为2018年08月28日，名称为“太赫兹技术对小麦粉的无损快速检测方法”公开了一种小麦检测方法，通过采集和分析小麦样品的吸收光谱和折射光谱，建模分析小麦的水分含量。然而此方法使用的机器学习技术仍存在常规技术中常见的结构简单、等问题，适用分析的检测数据也局限于简单的太赫兹光谱，对于信息含量更大的thz图像和视频图像难以得到准确的检测结果。

技术实现思路

1、本发明克服了现有检测方法在检测小麦水分成分时特征提取不充分、模型泛化能力不高以及检测结果不精确等问题，提供了小麦水分分布thz图像检测方法、设备和介质，其中方法在使用googlenet的基础上，在网络的inception层中结合使用注意力机制模块se和cbam，以此实现了对小麦水分分布的准确检测，且检测方法泛化能力强，能适用于对thz图像和视频的分析检测。

2、为了实现上述目的，本发明采用以下方案：

3、小麦水分分布thz图像检测方法，包括以下步骤：

4、s1：将小麦水分分布thz图像输入到googlenet网络的特征提取模块，所述特征提取模块由卷积层和池化层组成，对输入的thz图像进行特征初步提取；

5、s2：将特征提取模块提取到的特征图输入到网络的inception模块进一步提取特征，所述inception模块包括多个用于深度提取特征图信息的inception层；

6、s3：使用注意力机制模块se和cbam获得在不同通道和空间上的各部分特征信息的权重，根据权重大小加强或削弱各部分特征信息对检测结果的影响力，所述注意力机制模块se和cbam间隔插入在多个所述inception层之间；

7、s4：将inception模块和注意力机制模块se和cbam输出的特征图用分类回归模块输出，所述分类回归模块包括全局平均池化层和全连接层，以分类或回归的方式输出小麦水分分布检测结果。

8、作为优选，步骤s2和s3中，所述inception模块包括9个inception层，在第2个inception层后插入注意力机制模块se和最大池化层；在第7个inception层后插入注意力机制模块cbam和最大池化层。

9、作为优选，步骤s1中，所述特征提取模块包括3个卷积层，在第1个和最后1个卷积层后分别设置有一个最大池化层。

10、作为优选，步骤s3中，所述注意力机制模块se先用全局平均池化操作对每个特征通道的信息进行特征压缩，再用两个全连接层获取每个特征通道在小麦水分分布表征中的信息权重。

11、作为优选，步骤s3中，所述注意力机制模块cbam用通道注意力机制获取每个特征通道在小麦水分分布表征中的信息权重，同时用空间注意力机制获取特征图中各个空间位置在小麦水分分布表征中的信息权重。

12、作为优选，步骤s2中，所述inception层对上一层输入的特征图在4条路径上同时进行卷积组合处理，第1条路径采用尺寸为1×1的卷积层，第2条路径采用前后连接的尺寸分别为1×1、3×3的卷积层，第3条路径采用前后连接的尺寸分别为1×1、5×5的卷积层，第4条路径采用前后连接的尺寸分别为3×3、1×1的卷积层，最后将每条路径的卷积处理结果按深度进行连接得到新的特征图输入到下一层。

13、作为优选，步骤s1中的所述小麦水分分布thz图像记录太赫兹光谱成像设备扫描小麦得到的太赫兹时域光谱信息，所述太赫兹时域光谱信息以三维格式的图像数据进行存储，图像数据的每个像素点对应一条指定时间尺度的太赫兹时域光谱信息。

14、本申请还提供电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行以上方案中任一项所述的方法。

15、本申请还提供存储介质，其上存储有计算机程序，该程序被处理器执行时，实现以上方案中任一项所述的方法。

16、本发明至少包括以下有益效果：(1)通过结合深度学习的网络模型，加强了对thz图像的特征提取能力，可以适用于thz光谱图像、视频的复杂数据检测，适用范围更广；(2)通过在网络结构中加入注意力机制模块se和cbam，对特征图的信息进行加权处理，减少无用特征对水分检测结果的影响，针对于小麦水分的检测更为精确；(3)采用了更易于提取到关键特征信息的特征提取方式，模型训练更快，质量更好。

技术特征：

1.小麦水分分布thz图像检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s2和s3中，所述inception模块包括9个inception层，在第2个inception层后插入注意力机制模块se和最大池化层；在第7个inception层后插入注意力机制模块cbam和最大池化层。

3.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s1中，所述特征提取模块包括3个卷积层，在第1个和最后1个卷积层后分别设置有一个最大池化层。

4.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s3中，所述注意力机制模块se先用全局平均池化操作对每个特征通道的信息进行特征压缩，再用两个全连接层获取每个特征通道在小麦水分分布表征中的信息权重。

5.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s3中，所述注意力机制模块cbam用通道注意力机制获取每个特征通道在小麦水分分布表征中的信息权重，同时用空间注意力机制获取特征图中各个空间位置在小麦水分分布表征中的信息权重。

6.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s2中，所述inception层对上一层输入的特征图在4条路径上同时进行卷积组合处理，第1条路径采用尺寸为1×1的卷积层，第2条路径采用前后连接的尺寸分别为1×1、3×3的卷积层，第3条路径采用前后连接的尺寸分别为1×1、5×5的卷积层，第4条路径采用前后连接的尺寸分别为3×3、1×1的卷积层，最后将每条路径的卷积处理结果按深度进行连接得到新的特征图输入到下一层。

7.根据权利要求1所述的小麦水分分布thz图像检测方法，其特征在于，步骤s1中的所述小麦水分分布thz图像记录太赫兹光谱成像设备扫描小麦得到的太赫兹时域光谱信息，所述太赫兹时域光谱信息以三维格式的图像数据进行存储，图像数据的每个像素点对应一条指定时间尺度的太赫兹时域光谱信息。

8.电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7任一项所述的方法。

9.存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1-7任一项所述的方法。

技术总结本发明公开了小麦水分分布THz图像检测方法、设备和介质，其中方法包括以下步骤：S1：将小麦水分分布THz图像输入到GoogleNet网络的特征提取模块；S2：将特征提取模块提取到的特征图输入到网络的Inception模块进一步提取特征；S3：使用注意力机制模块SE和CBAM获得在不同通道和空间上的各部分特征信息的权重，根据权重大小加强或削弱各部分特征信息对检测结果的影响力；S4：将Inception模块和注意力机制模块SE和CBAM输出的特征图用分类回归模块输出。本申请克服了现有检测方法在检测小麦水分成分时特征提取不充分、模型泛化能力不高以及检测结果不精确等问题，实现了对小麦水分分布的准确检测，且检测网络泛化能力强，能适用于对THz图像和视频的分析检测。技术研发人员：葛宏义,郭春燕,孙振雨,蒋玉英,张元,卢雪晶,蔡成欣,杜笑笑,雷艳芳,温茜茜,周文慧,王恒,王顺受保护的技术使用者：河南工业大学技术研发日：技术公布日：2024/12/2