The invention discloses a method and device for grain grain detection and counting based on in-depth learning in the field of grain counting technology, including a box body, a high-definition camera, an open-field illumination lamp, a grain grain carrier board, a transmission mechanism, a dark-field illumination lamp, a grain inlet, a human-computer interactive touch display screen and an electromechanical control device. The grain inlet is located above the box body. The surface of the conveying mechanism is fixed with grain carrier plate, and the electromechanical control device is electrically connected with the conveying mechanism. The conveying mechanism is fixed between the front and back of the inner wall of the box. The high-definition camera is located on the top of the inner wall of the box. The signal of the high-definition camera is connected with the human-computer interactive touch display screen. Through the design of the deep convolution learning network model and the solution of the parameters, the dense and cohesive grain can be well detected. After testing, the recall rate and correct rate of grain detection are very high, the calculation process is simple and the operation is convenient.
【技术实现步骤摘要】
一种基于深度学习的粮食籽粒检测与计数的方法及装置
本专利技术涉及粮食籽粒计数
,具体为一种基于深度学习的粮食籽粒检测与计数的方法及装置。
技术介绍
粮食籽粒检测计数目前用的最多的方法就是基于机器视觉的图像处理技术。机器视觉中用到的最多的技术是图像分割,而图像分割的方法有大津阈值法、边缘法、分水岭法以及距离变换法。这些方法都会有一些缺陷或者问题,他们是无法克服的,粮食籽粒目标检测不像其他的目标检测,它们具有一些特有的属性和状态,例如籽粒颗粒较小,在一个画面中籽粒数目较多且较为密集,并且会出现多颗粘连等状态。目前,也有一些研究提到采用一些特殊的图像采集装置,如专利CN105430350A提到的一种粮食籽粒图像采集系统,是通过吸粮装置将每一个粮食籽粒吸入小孔,然后布料到相关的载物面上。该方法存在一些问题:比如粮食中的小麦有不同的品种,不同地域和不同的小麦品种,籽粒大小不一样,即使同一批小麦种,也有一些破碎粒或者病斑粒等不完善粒籽粒偏小,而正常粒就比较饱满,体积和重量相对较大,生芽粒如果出芽,籽粒也会偏大。这些不同体积和表面积的粮食籽粒,无法在同一标准孔洞型盘上吸入,一旦采用这种装置,将会吸入较小颗粒到吸风机内部,甚至会堵住吸风机,造成吸风机的短路。粮食籽粒检测和计数技术是粮食籽粒识别的基础,可以将每一个粮食籽粒分割出来,从而可以对单独的粮食籽粒进行识别。目前深度学习正在应用到各种领域中,由此可见深度学习技术是一种有效的技术手段,可以用于目前的粮食籽粒检测与计数,基于此,本专利技术设计了一种基于深度学习的粮食籽粒检测与计数的方法及装置,以解决上述问题。专利技 ...
【技术保护点】
1.一种基于深度学习的粮食籽粒检测与计数方法,其特征在于:包括以下步骤:S1、深度卷积学习网络模型设计;S2、深度卷积学习网络模型参数求解。
【技术特征摘要】
1.一种基于深度学习的粮食籽粒检测与计数方法,其特征在于:包括以下步骤:S1、深度卷积学习网络模型设计;S2、深度卷积学习网络模型参数求解。2.根据权利要求1所述的一种基于深度学习的粮食籽粒检测与计数的方法,其特征在于:所述步骤S1中深度卷积学习网络模型构建需要解决密集小目标的检测,必须设计密集小目标特征提取模块(1)、密集特征提取进化模块(2)和目标检测模块(3)。3.根据权利要求2所述的一种基于深度学习的粮食籽粒检测与计数的方法,其特征在于:所述密集特征提取进化模块(2)采用密集的连接的方式连接各个卷积层,该密集连接主要是指每一层都和前面所有层之间进行连接,并在层间连接设计删除和复制添加策略,在训练过程中,每隔一定训练迭代次数,进行一定的连接有效性验证,随机删除一些贡献较小的层连接,并将贡献较大的连接复制到删除连接上。4.根据权利要求2所述的一种基于深度学习的粮食籽粒检测与计数的方法,其特征在于:所述目标检测模块(3)用于生成目标候选框以及给出每个目标框的概率值,其核心是内部的降维和升维过程,采用了1x1的卷积核来降低特征图维数,主要目的是为了加快速度;采用双线性插值的方法扩大特征图,主要目的是为了获取更精确的边缘和上下文信息。5.一种基于深度学...
【专利技术属性】
技术研发人员:武勇,朱逞春,周金旺,
申请(专利权)人:安徽高哲信息技术有限公司,
类型:发明
国别省市:安徽,34
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。