# 高光谱塑料分类工具

![CC BY-NC](https://i.creativecommons.org/l/by-nc/4.0/88x31.png)
[![Python Version](https://img.shields.io/badge/python-3.12%252B-blue)](https://www.python.org/)

## 基于高光谱成像和深度学习的微塑料材料分类与识别工具

### 功能特性
- 支持BIL格式高光谱数据读取和处理
- 使用UNet模型进行图像分割和掩膜生成
- 多种塑料材料的分类识别
- 背景校正和光谱特征提取
- 输出ENVI标准格式分类结果

### 安装

#### 前置要求
- Python 3.12
- CUDA (可选，用于GPU加速)
- 足够的内存处理高光谱数据
- 固态硬盘
#### 安装步骤
1. 克隆仓库：

    ```bash
    git clone 
    cd hyperspec-plastic-classification
    ```

2. 安装依赖：

    ```bash
    pip install -r requirements.txt
    ```

### 使用方法

#### 基本用法

```bash
python main.py --bil_path /path/to/input.bil --output_path /path/to/output --model_path /path/to/model.m
```

#### 参数说明

| 参数            | 必需 | 默认值                                              | 描述                           |
|-----------------|------|-----------------------------------------------------|--------------------------------|
| --bil_path      | 是   | 无                                                  | 输入BIL文件路径                |
| --output_path   | 是   | 无                                                  | 输出目录路径                   |
| --model_path    | 是   | 无                                                  | 分类模型路径                   |
| --unet_path     | 否   | ./unet_pytorch/logs/best_epoch_weights.pth          | UNet模型权重路径               |

#### 示例

```bash
# 使用默认UNet权重
python main.py --bil_path ./data/input.bil --output_path ./results --model_path ./models/svm.m

# 指定所有参数
python main.py --bil_path ./data/input.bil --output_path ./results --model_path ./models/svm.m --unet_path ./custom_unet_weights.pth

# Windows系统示例
python main.py --bil_path "C:\Users\HyperSpec\test\MPData2.bil" --output_path "C:\Users\HyperSpec\test" --model_path ".\classification_model\modelsave\svm.m" --unet_path ".\unet_pytorch\logs\best_epoch_weights.pth"
```

### 项目结构

```
hyperspec-plastic-classification/
├── main.py                         # 主程序入口
├── bil2rgb.py                      # BIL转RGB模块
├── unet_pytorch/                   # UNet模型相关
│   ├── predict_rgb.py
│   └── logs/
│       └── best_epoch_weights.pth  # 预训练UNet权重
├── classification_model/           # 分类模型
│   └── Parallel/
│       └── predict_plastic.py
├── modelsave/
│           └── svm.m               # 预训练分类模型
├── shape_spectral.py               # 光谱特征提取
├── shape_spectral_background.py    # 背景校正
├── requirements.txt                # 项目依赖
└── README.md                       # 项目说明
```
![img.png](img.png)
### 输入输出格式

#### 输入文件格式
- BIL 格式高光谱数据文件 (.bil)
- 对应的 HDR 头文件 (.hdr)

#### 输出文件格式
- ENVI 分类结果文件 (.dat)
- ENVI 头文件 (.hdr)

### 处理流程

1. 读取BIL格式高光谱数据
2. 转换为RGB图像
3. 使用UNet模型生成掩膜
4. 提取光谱特征
5. 应用背景校正
6. 数据清理和过滤
7. 使用分类模型预测材料类型
8. 保存ENVI格式分类结果

### 支持的塑料类型

工具支持以下塑料材料的分类：

| 类别编号 | 材料名称 |
|----------|----------|
| 1        | ABS      |
| 2        | HDPE     |
| 3        | LDPE     |
| 4        | PA6      |
| 5        | PET      |
| 6        | PP       |
| 7        | PS       |
| 8        | PTFE     |
| 9        | PVC      |

### 依赖库

主要依赖的 Python 库：

- opencv-python
- numpy
- matplotlib
- pandas
- pywavelets
- scikit-learn
- torch

完整依赖请查看 `requirements.txt` 文件。

### 许可证

本项目采用 Creative Commons 非商业许可证。



### 常见问题

1. **运行时报错"ModuleNotFoundError"**

    确保已安装所有依赖：`pip install -r requirements.txt`

2. **处理大型文件时内存不足**

    考虑减少处理区域或增加系统内存

3. **分类结果不准确**

    检查输入数据质量，确认模型是否适合当前数据类型

### 联系方式

作者：[北京依锐思]
邮箱：[huilai_zhang@126.com](mailto:your.email@example.com)  
项目地址：[https://github.com/yourusername/hyperspec-plastic-classification](https://github.com/yourusername/hyperspec-plastic-classification)

### 更新日志

- v1.0.0 (2025-08-26)  
  初始版本发布  
  - 支持BIL格式高光谱数据处理  
  - 集成UNet分割和SVM分类  
  - 输出ENVI格式分类结果