高光谱塑料分类工具

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：

   git clone 
   cd hyperspec-plastic-classification
   

2. 安装依赖：

   pip install -r requirements.txt
   

使用方法

基本用法

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

# 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

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
项目地址：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