物料分析方法及装置制造方法及图纸

本发明专利技术实施例涉及样本分类技术领域，具体涉及一种物料分析方法及装置，方法包括：获取拍摄到的包括多个物料的图像，对所述图像进行分割以得到多个图片，其中，每个所述图片上包括一个物料，针对每个所述图片分别进行处理以得到各所述图片对应的物料信息，将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型，根据各所述物料信息对应的物料模型对所述图像进行处理。通过上述方法实现了对图像中的各物料进行快速分析和鉴别。

【技术实现步骤摘要】
物料分析方法及装置
本专利技术涉及样本分类
，具体而言，涉及一种物料分析方法及装置。
技术介绍
种子是农业生产中最基本的生产资料，是一切农业生产的基础。种子的准确、快速鉴别对生产具有重要的指导意义。国内外种子鉴别常用的方法主要有荧光扫描鉴定法、化学鉴定法和电泳鉴定法。这些方法需要较强的专业背景知识和较长的鉴别时间并且会对种子产生一定损伤。因此，如何对农作物种子类别进行无损、快速鉴别是一个重要的研究方向。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种物料分析方法及装置，以实现对物料进行无损快速地鉴别。本专利技术较佳实施例提供一种物料分析方法，包括：获取拍摄到的包括多个物料的图像；对所述图像进行分割以得到多个图片，其中，每个所述图片上包括一个物料；针对每个所述图片分别进行处理以得到各所述图片对应的物料信息；将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型；根据所述物料信息对应的物料模型对所述图像进行处理。可选的，在上述物料分析方法中，对所述图像进行分割以得到多个图片的步骤包括：针对所述图像中的每个物料，基于YOLO2算法进行至少两次不同角度的定位，以根据所述至少两次不同角度的定位得到每个所述物料的边框；根据各所述物料的边框对所述图像进行分割以得到多个图片。可选的，在上述物料分析方法中，，将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型的步骤包括：针对每个所述物料信息根据VGG16结构、所述正常物料模型和异常物料模型进行分类以得到每个物料信息对应的不同物料模型的概率；根据所述物料信息对应的不同物料模型的概率得到该物料信息对应的物料模型，其中，该物料信息对应的物料模型为正常物料模型或异常物料模型。可选的，在上述物料分析方法中，所述正常物料模型包括正常形状模型及正常颜色模型，所述异常物料模型包括异常形状模型和异常颜色模型，所述针对每个所述图片分别进行处理以得到各所述图片对应的物料信息的步骤包括：针对每个所述图片中的物料分别进行形状检测和颜色识别以得到各所述物料的形状信息和颜色信息；将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配的步骤包括：针对每个物料，将该物料对应的颜色信息与所述正常颜色模型和异常颜色模型进行匹配，将该物料对应的形状信息与所述正常形状模型和异常形状模型分别进行匹配。可选的，在上述物料分析方法中，所述异常物料模型包括虫蚀物料模型、病斑物料模型、破碎粒物料模型、生芽粒物料模型以及生霉粒物料模型，将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配的步骤包括：将各所述物料信息与所述正常物料模型、虫蚀物料模型、病斑物料模型、破碎粒物料模型、生芽粒物料模型以及生霉粒物料模型，以得到与各所述物料信息匹配度最高的物料模型。可选的，在上述物料分析方法中，根据各所述物料信息对应的物料模型对所述图像进行处理的步骤包括：当所述物料信息对应的物料模型为异常物料模型时，将所述图像中与该物料信息对应的物料进行标记；所述方法还包括：根据标记的物料数量和所述图像中包括的物料数量得到异常物料的概率并输出。本专利技术还提供一种物料分析装置，所述装置包括：图像获取模块，用于获取拍摄到的包括多个物料的图像；分割模块，用于对所述图像进行分割以得到多个图片，其中，每个所述图片上包括一个物料；信息获取模块，用于针对每个所述图片分别进行处理以得到各所述图片对应的物料信息；匹配模块，用于将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型；处理模块，用于根据所述物料信息对应的物料模型对所述图像进行处理。可选的，在上述物料分析装置中，所述分割模块包括：定位子模块，用于针对所述图像中的每个物料，基于YOLO2算法进行至少两次不同角度的定位，以根据所述至少两次不同角度的定位得到每个所述物料的边框；分割子模块，用于根据各所述物料的边框对所述图像进行分割以得到多个图片。可选的，在上述物料分析装置中，所述匹配模块包括：计算子模块，用于针对每个所述物料信息根据VGG16结构、所述正常物料模型和异常物料模型进行分类以得到每个物料信息对应的不同物料模型的概率；获得子模块，用于根据所述物料信息对应的不同物料模型的概率得到该物料信息对应的物料模型，其中，该物料信息对应的物料模型为正常物料模型或异常物料模型。可选的，在上述物料分析装置中，所述处理模块还用于当所述物料信息对应的物料模型为异常物料模型时，将所述图像中与该物料信息对应的物料进行标记；所述物料分析装置还包括统计模块，用于根据标记的物料数量和所述图像中包括的物料数量得到异常物料的概率并输出。本专利技术提供的一种物料分析方法及装置，通过对获取到的包括多个物料的图像进行分割，以使分割后的得到的每个图片包括一个物料，并对每个图片进行分析并与预存的正常物料模型和异常物料模型分别进行匹配以得到各图片的物料信息对应的物料模型，以根据各所述物料信息对应的物料模型对图像进行处理，进而实现了对图像中各物料的分析和鉴别。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。图1为本专利技术实施例提供的一种电子设备的连接框图。图2为本专利技术实施例提供的一种物料分析方法的流程示意图。图3为图2中步骤S120的步骤示意图。图4为图2中步骤S140的步骤示意图。图5为本专利技术实施例提供的一种物料分析装置的连接框图。图6为本专利技术实施例提供的分割模块的连接框图。图7为本专利技术实施例提供的匹配模块的连接框图。图标：10-电子设备；12-存储器；14-处理器；100-物料分析装置；110-图像获取模块；120-分割模块；122-定位子模块；124-分割子模块；130-信息获取模块；140-匹配模块；142-计算子模块；144-获得子模块；150-处理模块；160-统计模块。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前，对农作物进行病虫害诊断的常规方法主要是依据人工目测，然而这种农民根据经验做出的判断并不能保证完全正确，且存在主观性强、工作量大、效率低等缺点；另一方面，由于没有专业人士及时到现场诊断，可能会使病情延误或加重。如图1所示，是本专利技术较佳实施例提供的电子设备10的方框示意图，所述电子设备10包括存储器12、处理器14以及显示器16。所述存储器12、处理器14本文档来自技高网...

【技术保护点】
1.一种物料分析方法，其特征在于，所述方法包括：获取拍摄到的包括多个物料的图像；对所述图像进行分割以得到多个图片，其中，每个所述图片上包括一个物料；针对每个所述图片分别进行处理以得到各所述图片对应的物料信息；将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型；根据各所述物料信息对应的物料模型对所述图像进行处理。

【技术特征摘要】
1.一种物料分析方法，其特征在于，所述方法包括：获取拍摄到的包括多个物料的图像；对所述图像进行分割以得到多个图片，其中，每个所述图片上包括一个物料；针对每个所述图片分别进行处理以得到各所述图片对应的物料信息；将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型；根据各所述物料信息对应的物料模型对所述图像进行处理。2.根据权利要求1所述的物料分析方法，其特征在于，对所述图像进行分割以得到多个图片的步骤包括：针对所述图像中的每个物料，基于YOLO2算法进行至少两次不同角度的定位，以根据所述至少两次不同角度的定位得到每个所述物料的边框；根据各所述物料的边框对所述图像进行分割以得到多个图片。3.根据权利要求1所述的物料分析方法，其特征在于，将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配，以得到各所述物料信息对应的物料模型的步骤包括：针对每个所述物料信息根据VGG16结构、所述正常物料模型和异常物料模型进行分类以得到每个物料信息对应的不同物料模型的概率；根据所述物料信息对应的不同物料模型的概率得到该物料信息对应的物料模型，其中，该物料信息对应的物料模型为正常物料模型或异常物料模型。4.根据权利要求1所述的物料分析方法，其特征在于，所述正常物料模型包括正常形状模型及正常颜色模型，所述异常物料模型包括异常形状模型和异常颜色模型，所述针对每个所述图片分别进行处理以得到各所述图片对应的物料信息的步骤包括：针对每个所述图片中的物料分别进行形状检测和颜色识别以得到各所述物料的形状信息和颜色信息；将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配的步骤包括：针对每个物料，将该物料对应的颜色信息与所述正常颜色模型和异常颜色模型进行匹配，将该物料对应的形状信息与所述正常形状模型和异常形状模型分别进行匹配。5.根据权利要求1所述的物料分析方法，其特征在于，所述异常物料模型包括虫蚀物料模型、病斑物料模型、破碎粒物料模型、生芽粒物料模型以及生霉粒物料模型，将各所述物料信息与预存的正常物料模型和异常物料模型分别进行匹配的步...

【专利技术属性】
技术研发人员：陈猛，徐雪，颜天信，唐麟，杨贤良，章广飞，
申请(专利权)人：合肥泰禾光电科技股份有限公司，
类型：发明
国别省市：安徽,34