种子品种识别方法及装置制造方法及图纸

本发明专利技术公开了一种种子品种识别方法及装置，属于图像分类领域。该方法包括获取测试集中每个样本种子在P个波段下的P个高光谱图像；针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种；解决了当相同品种的种子由于年份不同导致识别品种时准确度不高的问题；达到了自动更新分类模型，降低年份对识别种子品种时的影响，提高识别品种的准确度的效果。

【技术实现步骤摘要】
种子品种识别方法及装置
本专利技术实施例涉及图像分类领域，特别涉及一种种子品种识别方法及装置。
技术介绍
玉米是农业生产的主要农作物之一，是粮食、饲料、燃料和工业原料的主要来源。随着杂交种子技术的广泛应用，玉米种子的品种越来越多，按玉米种子的品种进行分类也越来越复杂。由于高光谱成像结合了机器视觉和近红外光谱的优点，能够同时反映种子的内部特征和外部特征，在种子分类时广泛使用高光谱成像技术。然而，在不同年份种植的相同品种的种子，由于不同年份的耕作条件、土壤环境条件和气候条件不同，不同年份的相同品种的种子的高光谱信息会发生变化，导致利用高光谱图像和分类模型识别出的种子品种的准确度不高。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种种子品种方法及装置。该技术方案如下：第一方面，提供了一种种子品种识别方法，该方法包括：获取测试集中每个样本种子在P个波段下的P个高光谱图像；针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种。可选的，所述根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型，包括：根据所述预测品种将所述样本种子分成若干个类别；每个所述类别中的样本种子的所述预测品种相同；计算出每个类别的类中心；计算每个类别中的各个所述样本种子与所述类中心之间的距离；针对每个所述类别，将所述样本种子按所述距离从小到大的顺序排列；将每个所述类别中的前n个样本种子作为所述预定样本种子，并将所述预定样本种子对应的所述特征参数从全部的所述特征参数中删除；将所述预定样本种子添加入训练集得到新的所述训练集；利用所述新的所述训练集更新所述分类模型；检测预定条件是否成立；若所述预定条件不成立，则执行所述将所述特征参数输入分类模型，得到每个所述样本种子的预测品种的步骤；其中，所述预定条件为大于等于预定阈值，或者，所述预定条件为所述次数达到预定次数；Numj(i)为第i次迭代时和第i-1次迭代时都被确定第j个类别的样本种子的数量，Numj(i-1)为所述第i次迭代时被确定为所述第j个类别的样本种子的数量。可选的，该方法还包括：若所述预定条件成立，则执行所述利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种的步骤。可选的，所述计算每个类别中的所述样本种子与所述类中心之间的距离，包括：利用公式计算所述样本种子与所述类中心之间的距离；其中，d为向量的维数。可选的，所述根据所述P个高光谱图像获取特征参数，包括：获取所述样本种子在预定波段下的高光谱图像；对所述在预定波段下的高光谱图像进行图像分割，得到所述样本种子的轮廓曲线；将所述轮廓曲线投影到所述P个波段，从所述P个高光谱图像中得到P个种子轮廓图像；根据所述种子轮廓图像，获取每个波段对应的所述样本种子的光谱均值特征，所述光谱均值特征是所述种子轮廓图像中所有像素点的反射光强的平均值；将所述P个波段对应的P个所述光谱均值特征作为特征参数。第二方面，提供了一种种子品种识别装置，该装置包括：高光谱图像获取模块，用于获取测试集中每个样本种子在P个波段下的P个高光谱图像；特征参数获取模块，用于针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；预测品种获取模块，用于将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；模型更新模块，用于根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；品种识别模块，用于利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种。可选的，所述模型更新模块，具体用于：根据所述预测品种将所述样本种子分成若干个类别；每个所述类别中的样本种子的所述预测品种相同；计算出每个类别的类中心；计算每个类别中的各个所述样本种子与所述类中心之间的距离；针对每个所述类别，将所述样本种子按所述距离从小到大的顺序排列；将每个所述类别中的前n个样本种子作为所述预定样本种子，并将所述预定样本种子对应的所述特征参数从全部的所述特征参数中删除；将所述预定样本种子添加入训练集得到新的所述训练集；利用所述新的所述训练集更新所述分类模型；检测预定条件是否成立；若所述预定条件不成立，则执行所述将所述特征参数输入分类模型，得到每个所述样本种子的预测品种的步骤；其中，所述预定条件为大于等于预定阈值，或者，所述预定条件为所述次数达到预定次数；Numj(i)为第i次迭代时和第i-1次迭代时都被确定第j个类别的样本种子的数量，Numj(i-1)为所述第i次迭代时被确定为所述第j个类别的样本种子的数量。可选的，所述模型更新模块，还用于：若所述预定条件成立，则执行所述利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种的步骤。可选的，所述模型更新模块，还用于：利用公式计算所述样本种子与所述类中心之间的距离；其中，d为向量的维数。可选的，所述特征参数获取模块，具体用于：获取所述样本种子在预定波段下的高光谱图像；对所述在预定波段下的高光谱图像进行图像分割，得到所述样本种子的轮廓曲线；将所述轮廓曲线投影到所述P个波段，从所述P个高光谱图像中得到P个种子轮廓图像；根据所述种子轮廓图像，获取每个波段对应的所述样本种子的光谱均值特征，所述光谱均值特征是所述种子轮廓图像中所有像素点的反射光强的平均值；将所述P个波段对应的P个所述光谱均值特征作为特征参数。本专利技术实施例提供的技术方案带来的有益效果是：通过获取测试集中若干个样本种子分别在P个波段下的P个高光谱图像，根据高光谱图像获取每个样本种子的特征参数，利用特征参数和分类模型得到样本种子的预测品种，在利用预测品种选取预定样本种子，根据预定样本种子更新分类模型，最后利用更新后的分类模型识别测试集中全部种子的品种；解决了当相同品种的种子由于年份不同导致识别品种时准确度不高的问题；达到了自动更新分类模型，降低年份对识别种子品种时的影响，提高识别品种的准确度的效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种种子品种识别方法的流程图；图2是根据另一示例性实施例示出的一种种子品种识别方法的流程图；图3A是根据另一示例性实施例示出的一种高光谱图像的局部示意图；图3B是根据另一示例性实施例示出的一种高光谱图像的局部示意图；图3C是根据另一示例性实施例示出的一种样本种子的轮廓曲线的局部示意图；图3D是根据另一示例性实施例示出的一种样本种子在P个波段下的种子轮廓图像；图3E是根据另一示例性实施例示出的一种每个波段对应的样本种子的光谱均值特征的曲线示意图；图4是根据另一示例性实施例示出的一种种子品种识别装置的框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。请参考图1，其示出了本专利技术一个实本文档来自技高网...

【技术保护点】
一种种子品种识别方法，其特征在于，所述方法包括：获取测试集中每个样本种子在P个波段下的P个高光谱图像；针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种。

【技术特征摘要】
1.一种种子品种识别方法，其特征在于，所述方法包括：获取测试集中每个样本种子在P个波段下的P个高光谱图像；针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种。2.根据权利要求1所述的方法，其特征在于，所述根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型，包括：根据所述预测品种将所述样本种子分成若干个类别；每个所述类别中的样本种子的所述预测品种相同；计算出每个类别的类中心；计算每个类别中的各个所述样本种子与所述类中心之间的距离；针对每个所述类别，将所述样本种子按所述距离从小到大的顺序排列；将每个所述类别中的前n个样本种子作为所述预定样本种子，并将所述预定样本种子对应的所述特征参数从全部的所述特征参数中删除；将所述预定样本种子添加入训练集得到新的所述训练集；利用所述新的所述训练集更新所述分类模型；检测预定条件是否成立；若所述预定条件不成立，则执行所述将所述特征参数输入分类模型，得到每个所述样本种子的预测品种的步骤；其中，所述预定条件为大于等于预定阈值，或者，所述预定条件为所述次数达到预定次数；Numj(i)为第i次迭代时和第i-1次迭代时都被确定第j个类别的样本种子的数量，Numj(i-1)为所述第i次迭代时被确定为所述第j个类别的样本种子的数量。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述预定条件成立，则执行所述利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种的步骤。4.根据权利要求2所述的方法，其特征在于，所述计算每个类别中的所述样本种子与所述类中心之间的距离，包括：利用公式计算所述样本种子与所述类中心之间的距离；其中，d为向量的维数。5.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述P个高光谱图像获取特征参数，包括：获取所述样本种子在预定波段下的高光谱图像；对所述在预定波段下的高光谱图像进行图像分割，得到所述样本种子的轮廓曲线；将所述轮廓曲线投影到所述P个波段，从所述P个高光谱图像中得到P个种子轮廓图像；根据所述种子轮廓图像，获取每个波段对应的所述样本种子的光谱均值特征，所述光谱均值特征是所述种子轮廓图像中所有像素点的反射光强的平均值；将所述P个波段对应的P个所述光谱均值特征作为特征参...

【专利技术属性】
技术研发人员：朱启兵，郭东生，黄敏，郭亚，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32