一种基于高光谱增强与自适应分类的小麦种子检测方法

本发明公开了一种基于高光谱增强与自适应分类的小麦种子检测方法，属于农业精准检测与计算机视觉技术领域。该方法通过采集小麦种子的多波段光谱数据，并基于深度学习模型的噪声抑制、基于Retinex理论的光照校正及基于注意力机制的关键波段优化等方式提升光谱数据的信噪比和特征表达能力。在分类阶段，结合环境传感器数据，采用基于Transformer与卷积神经网络的混合模型，动态调整分类参数以适应复杂环境变化，从而实现对小麦种子的精准分类。本发明解决了高光谱检测中噪声敏感性强、光照不均及分类鲁棒性不足的问题，适用于小麦种子品种识别、健康检测及其他农产品品质分析，具有数据质量高、分类效率高及环境适应性强的优点。