The invention provides a method for identifying the mechanical damage region of corn ear, which comprises: S1, dividing the corn ear image into image blocks to obtain a small data set of corn ear image, S2, determining candidate region blocks by using support vector machine according to the normalization characteristics of each image block in the image small data set, S3, and volume. The neural network model is used to determine the mechanical damage areas in the small patches of candidate regions. The invention provides a method for identifying the mechanical damage region of corn ear, selects candidate regions in the image of corn ear by support vector machine and further identifies them by convolution neural network model, which can quickly and accurately identify the mechanical damage region of corn ear, and improves the identification of the mechanical damage region of corn ear. The speed and accuracy can meet the needs of maize seed selection.
【技术实现步骤摘要】
一种玉米果穗机械损伤区域识别方法
本专利技术涉及模式识别
,更具体地,涉及一种玉米果穗机械损伤区域识别方法。
技术介绍
目前,玉米果穗机械损伤区域识别是玉米果穗缺陷检测中的基础项目。玉米果穗在机械采收运输过程中不可避免的会产生机械损伤,人工评判玉米果穗机械损伤状况工作量大,难以量化,一般只能给出机械损伤状况分级。利用计算机视觉对玉米果穗机械损伤区域进行识别可以很好地代替人工劳动力,有效提高识别效率。基于机器学习进行玉米果穗图像机械损伤区域的自动识别主要问题在于容易受到光照影响,将高光区域错分为机械损伤区域,导致较低的分类精度。
技术实现思路
为了克服现有玉米果穗机械损伤区域识别技术存在的识别准确度不高的不足,本专利技术提供一种玉米果穗机械损伤区域识别方法。本专利技术提供一种玉米果穗机械损伤区域识别方法,包括:S1、将玉米果穗图像分成图像小块,获取玉米果穗图像小块数据集;S2、根据所述图像小块数据集中各图像小块的归一化特征,利用支持向量机确定候选区域小块;S3、利用卷积神经网络模型确定所述候选区域中的机械损伤区域。优选地,所述步骤S2进一步包括:S21、提取所述图像小块数据集的训练集中各图像小块的所述归一化特征,对所述支持向量机进行训练;S22、利用训练完成的所述支持向量机确定所述测试集中的候选区域。优选地,所述步骤S3进一步包括:S31、根据所述训练集调整所述卷积神经网络模型的权值,训练所述卷积神经网络模型;S32、根据训练完成的所述卷积神经网络确定所述候选区域小块中的机械损伤区域。优选地,所述归一化特征根据颜色特征和纹理特征生成。优选地,所述步骤S21 ...
【技术保护点】
1.一种玉米果穗机械损伤区域识别方法,其特征在于,包括:S1、将玉米果穗图像分成图像小块,获取玉米果穗图像小块数据集;S2、根据所述图像小块数据集中各图像小块的归一化特征,利用支持向量机确定候选区域小块;S3、利用卷积神经网络模型确定所述候选区域小块中的机械损伤区域。
【技术特征摘要】
1.一种玉米果穗机械损伤区域识别方法,其特征在于,包括:S1、将玉米果穗图像分成图像小块,获取玉米果穗图像小块数据集;S2、根据所述图像小块数据集中各图像小块的归一化特征,利用支持向量机确定候选区域小块;S3、利用卷积神经网络模型确定所述候选区域小块中的机械损伤区域。2.根据权利要求1所述的玉米果穗机械损伤区域识别方法,其特征在于,所述步骤S2进一步包括:S21、提取所述图像小块数据集的训练集中各图像小块的所述归一化特征,对所述支持向量机进行训练;S22、利用训练完成的所述支持向量机确定所述测试集中的所述候选区域小块。3.根据权利要求2所述的玉米果穗机械损伤区域识别方法,其特征在于,所述步骤S3进一步包括:S31、根据所述训练集调整所述卷积神经网络模型的权值,训练所述卷积神经网络模型;S32、根据训练完成的所述卷积神经网络模型确定所述候选区域小块中的机械损伤区域。4.根据权利要求1所述的玉米果穗机械损伤区域识别方法,其特征在于,所述归一化特征根据颜色特征和纹理特征生成。5.根据权利要求4所述的玉米果穗机械损伤区域识别方法,其特征在于,所述步骤S21具体包括:获取所述训练集中各图像小块的所述归一化特征的值,将所述训练集中的各图像小块映射为特征空间中的点;所述特征空间由所述归一化特征构成;根据所述训练集确定所述候选区域的划分平面;在所...
【专利技术属性】
技术研发人员:马钦,张秦川,朱德海,张晓东,崔雪莲,杨玲,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。