CN120259826A 一种基于多源数据融合的玉米粒质量检测模型构建方法及系统 （北京燧弘华创科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259826A(43)申请公布日2025.07.04

(21)申请号202510534367.X

(22)申请日2025.04.27

(71)申请人北京燧弘华创科技有限公司

地址100000北京市海淀区中关村东路1号

院8号楼D座6层602

(72)发明人王蕊蒙欢

(51)Int.CI.

GO6V10/80(2022.01)

GO6V10/14(2022.01)

GO6V10/77(2022.01)

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V10/82(2022.01)

GO6N3/045(2023.01)

GO6N3/096(2023.01)

GO6N3/0464(2023.01)

G01N21/25(2006.01)

G01N21/3563(2014.01)

G01N21/359(2014.01)

G01N9/24(2006.01)

权利要求书3页说明书10页附图2页

(54)发明名称

一种基于多源数据融合的玉米粒质量检测模型构建方法及系统

(57)摘要

CN120259826A本发明涉及玉米粒质量检测技术领域，具体涉及一种基于多源数据融合的玉米粒质量检测模型构建方法及系统，包括以下步骤：S1,多源数据采集：通过多光谱成像装置采集玉米粒表观形态数据，同步利用近红外光谱仪获取玉米粒内部成分光谱数据，结合声波传感器测量玉米粒结构密度特征数据；S2,多模态特征构建：形成多模态特征矩阵；S3,动态加权融合：生成混合特征向量；S4,双通道神经网络构建：基于生成的混合特征向量，构建双通道深度神经网络；S5,模型压缩与部署优化：生成适用于嵌入式设备的轻量化检

CN120259826A

多源数据采集：通过多光谱成像装置采集玉米

多源数据采集：通过多光谱成像装置采集玉米粒表观形态数据，同步利用近红外光谱仪获取玉米粒内部成分光谱数据，结合声波传感器测量玉米粒结构密度特征数据

多模态特征构建：对表观形态数据进行三维点云重建，生成空间坐标映射模型，将光谱数据与结构密度特征数据通过时空配准算法嵌入空间坐标映射模型，形成多模态特征矩阵

动态加权融合：根据特征置信度对多模态特征矩阵进行自适应权重分配，生成混合特征向量

双通道神经网络构建：基于生成的混合特征向量，构建双通道深度神经网络用于高层特征提取与分类，其中可见光通道采用ResNeX网络提取表观特征，近红外通道采用一维卷积网络提取光谱特征，通过跨模态注意力机制实现特征交互

模型压缩与部署优化：采用知识蒸馏技术对双通道神经网络进行模型压缩，生成适用于嵌入式设备的轻量化检测模型

S1

S2

S5

CN120259826A权利要求书1/3页

2

1.一种基于多源数据融合的玉米粒质量检测模型构建方法，其特征在于，包括以下步

骤：

S1,多源数据采集：通过多光谱成像装置采集玉米粒表观形态数据，同步利用近红外光谱仪获取玉米粒内部成分光谱数据，结合声波传感器测量玉米粒结构密度特征数据；

S2,多模态特征构建：对表观形态数据进行三维点云重建，生成空间坐标映射模型，将光谱数据与结构密度特征数据通过时空配准算法嵌入空间坐标映射模型，形成多模态特征

矩阵；

S3,动态加权融合：根据特征置信度对多模态特征矩阵进行自适应权重分配，生成混合特征向量；

S4,双通道神经网络构建：基于生成的混合特征向量，构建双通道深度神经网络用于高层特征提取与分类，其中可见光通道采用ResNeXt网络提取表观特征，近红外通道采用一维卷积网络提取光谱特征，通过跨模态注意力机制实现特征交互；

S5,模型压缩与部署优化：采用知识蒸馏技术对双通道神经网络进行模型压缩，生成适用于嵌入式设备的轻量化检测模型。

2.根据权利要求1所述的一种基