一种基于深度学习的吸风粉图像品质评估方法及系统

本发明涉及图像模式识别和深度学习技术领域，具体涉及一种基于深度学习的吸风粉图像品质评估方法及系统，该方法包括：获取吸风粉图像，针对每个像素点，提取多尺度相对暗度和邻域梯度方向一致性以确定结构特征值；提取正交光谱残差和反比权重以确定光谱异质性，融合上述特征，生成物理显著性矩阵；构建双流卷积神经网络，将物理显著性矩阵映射为空间注意力权重，利用仿射变换强制调制中间层特征，生成物理增强的高维语义特征数据，对高维语义特征数据进行全局池化与分类，输出品质评估结果。该方法通过物理先验引导的特征调制架构，避免了全局平均池化导致的缺陷特征稀释效应，提高了吸风粉质量评估结果的准确性。