一种基于深度学习卷积神经网络的水稻考种方法技术

本发明专利技术公开了一种基于深度学习卷积神经网络的水稻考种方法，包括步骤：从水稻种子照片中分离出单个籽粒，利用计算机视觉算法，提取种子轮廓；对分离后的各籽粒以其轮廓照片进行分类，籽粒类别包括闭实、闭偏实、开实、开偏实、闭空、闭偏空、开空和开偏空；使用各类籽粒轮廓照片对深度卷积神经网络进行训练；使用验证照片对所述深度卷积神经网络进行验证；将待处理水稻种子照片输入到所述深度卷积神经网络中进行考种。与现有技术相比，本发明专利技术在考种过程中，可以对水稻种子进行快速准确地分类统计，同时本发明专利技术还能对一批数量较大的样品进行自动编号、记录和统计。

【技术实现步骤摘要】
一种基于深度学习卷积神经网络的水稻考种方法
本专利技术涉及水稻考种领域，尤其涉及一种基于深度学习卷积神经网络的水稻考种方法。
技术介绍
水稻考种是水稻育种过程中必不可少的环节。在以往工作中，必须使用人工方法来测量、记录相关参数，比如常用的水漂法和风吹法等。但人工考种存在着操作繁、耗时长、主观因素多、精度低、可重复性差等问题，而且这些原因也使得考种只能是抽样检测，而无法完成大批量的水稻种子的直接测量。随着人们生活水平的提高，可用劳动力的减少，单纯依靠人工操作考种的成本飞速增长。现有自动化技术中一般使用机器设备或机器设备与机器视觉相结合的方式进行考种，如CN201010234207(数字化水稻考种机)公开了一种数字化考种机，通过风选装置分离实粒和空瘪粒，使用机器视觉技术动态中的贝叶斯分类法来对完整粒和破损粒进行分类。现有技术仍存在以下不足：一是在考种过程中，种子分类统计不详细，如只分为实粒、秕粒两种，而没有实粒、半实粒、秕粒、半秕粒等种子的分类统计；二是对一批数量较大的样品难以自动编号、记录和统计等，致使最后在统计分析时效率低、精度也不尽如人意。现有的商用数粒仪一般通过将谷粒以单粒落下来本文档来自技高网...

【技术保护点】
1.一种基于深度学习卷积神经网络的水稻考种方法，其特征在于，包括步骤S1：从水稻种子照片中分离出单个籽粒，利用计算机视觉算法提取种子轮廓；S2：对分割后的各籽粒以其轮廓照片进行分类，将籽粒分为闭实、闭偏实、开实、开偏实、闭空、闭偏空、开空和开偏空；S3：使用各类籽粒轮廓照片样本对深度卷积神经网络进行训练；S4：使用验证照片对所述深度卷积神经网络进行验证；S5：使用所述深度卷积神经网络对水稻种子照片进行考种。

【技术特征摘要】
1.一种基于深度学习卷积神经网络的水稻考种方法，其特征在于，包括步骤S1：从水稻种子照片中分离出单个籽粒，利用计算机视觉算法提取种子轮廓；S2：对分割后的各籽粒以其轮廓照片进行分类，将籽粒分为闭实、闭偏实、开实、开偏实、闭空、闭偏空、开空和开偏空；S3：使用各类籽粒轮廓照片样本对深度卷积神经网络进行训练；S4：使用验证照片对所述深度卷积神经网络进行验证；S5：使用所述深度卷积神经网络对水稻种子照片进行考种。2.如权利要求1所述的基于深度学习卷积神经网络的水稻考种方法，其特征在于，所述步骤S1包括步骤S11：利用机器学习判断种子轮廓是否为单一籽粒；S12：如果是单一籽粒，利用轮廓切割图像，输出单个籽粒图片，计算长度，宽度和面积；如果是粘连的多个...

【专利技术属性】
技术研发人员：高家东，易春，付华，张友胜，刘军，戴彰言，
申请(专利权)人：广东省农业科学院农业生物基因研究中心，
类型：发明
国别省市：广东,44