一种人工智能农作物处理系统和方法技术方案

本发明专利技术提出了一种人工智能农作物处理系统，包括形状分析子系统，用于分析农作物的形状；质量分析子系统，用于分析农作物质量；三维影像重建子系统，用于对采集的农作物正反面图像进行三维立体建模，将二维平面影像信息转化为三维立体影像用于电子存档；表面缺陷检测定位子系统，用于农作物不完善粒缺陷的具体位置检测；农作物图像自动分类子系统，用于农作物的不完善粒和完善粒的分类；农作物等级在线评审子系统，用于实现谷物品质等级的在线评审功能；样本标注子系统，用于对农作物的图片进行标注，检测算法的数据集。本系统结合多种子系统，获得农作物的形状、质量、三维影像，并结合各子系统完成对农作物的综合检测。

【技术实现步骤摘要】
一种人工智能农作物处理系统和方法
本专利技术涉及农作物的分析检测的
，尤其涉及一种人工智能农作物处理系统和方法。
技术介绍
粮食是人类生存的基石。农作物的质量好坏直接决定其当季价值，无论是粮站还是工厂在收粮过程中，都需要依据农作物的质量好坏，对农作物定等定价。此外，农作物的质量也直接影响到下一季的育种过程。种子的质量是保证粮食收成的先决条件之一，其中育种是确保种子质量的重要环节。在育种过程中，选出质量上乘的农作物作为种子是基础要求之一，这具体到对种子的大小、形状等特性有严格的要求。但是，在现有技术条件，无论是农作物的定等定价还是育种过程，农作物的各参数的判断通常是人工完成，工作效率低且人与人之间的差异较大。
技术实现思路
基于
技术介绍
中存在的技术问题，本专利技术提出了一种人工智能农作物处理系统，包括形状分析子系统，用于分析农作物的形状；质量分析子系统，用于分析农作物质量；三维影像重建子系统，用于对采集的农作物正反面图像进行三维立体建模；将二维平面影像信息转化为三维立体影像用于电子存档；表面缺陷检测定位子系统，用于农作物不完善粒缺陷的具体位置检测；农作物图像自动分类子系统，用于农作物的不完善粒和完善粒的分类；农作物等级在线评审子系统，用于实现谷物品质等级的在线评审功能；样本标注子系统，用于对农作物的图片进行标注，制作算法需要的数据集。具体地说，所述形状分析子系统包括计算机视觉处理模块，用于获取多角度的农作物外表扫描图像，对农作物外表扫描的图像做图像预处理，获得单个农作物的图像；人工智能处理模块，用于对所述农作物的图像进行处理获得图像的高维特征值并进行统计组合获得多个维度特征值，进而计算出农作物在图像中的模板信息，最后依据模板信息拟合并显示出农作物的轮廓信息。具体地说，所述计算机视觉处理模块包括依次设置的图像扫描设备，用于对设定量的农作物样本进行图像扫描，获得多角度的农作物外表扫描图像；图像处理单元，用于对农作物外表扫描图像做图像预处理，最终将多颗农作物的图像分割成多张单个农作物的图像；所述图像处理单元包括滤波算法子单元和边缘信号增强子单元，所述滤波算法子单元用于滤除图像中的干扰信号，所述边缘信号增强子单元用于多角度的农作物外表扫描图像的配准。具体地说，所述质量分析子系统包括：农作物图像处理模块，用于处理包含多粒农作物信息的扫描图像，分析出图像中多个农作物的形状、类别信息；农作物质量判定模块，通过多粒农作物的形状和所属类别信息结合标注信息，基于强监督学习技术，训练农作物质量判定模块，已训练的农作物质量判定模块直接接收农作物图像处理模块输出的形状和所属类别信息，且输出农作物的质量信息。具体地说，所述农作物图像处理模块包括图像扫描设备，用于对设定量的农作物样本进行多角度的图像扫描，获得多角度的农作物外表扫描图像；图像处理单元，用于对农作物外表扫描图像做图像预处理，包括图像清洗、图像匹准，计算出图像中多粒农作物的形状和所属类别信息，并将所得的农作物信息做去冗和编码操作。具体地说，所述三维影像重建子系统包括：RPN网络单元，输入带有标注信息的二维图像到神经网络单元训练获得；带有标注信息的二维图像为标注后的农作物的正反面彩色图像，所述RPN网络单元输出特定位置的具体坐标信息；农作物的形态和姿势预测子单元，根据输入的特定区域，预测出谷物在三维空间中的形状参数和姿态参数；形状采样子网络，根据谷物的形状参数，解码出对应谷物的形状在空间中的点云模型；刚性变换单元，依据预测出谷物在三维空间中的形状参数和姿态参数，对生成的点云模型进行姿态参数的刚性变换；转换存储单元，将刚性变换的结果进行结构、姿态的三维重建，获得农作物的体积信息。具体地说，农作物等级在线评审子系统包括：数据采集模块，对谷物进行图像数据的采集，集成于谷物数据采集的硬件平台中；网络模块，用于支撑硬件采集设备与服务器之间的通信；算法模块，对服务器接收到的谷物图像数据进行分析，并给出相应的分析评审结果；所述算法模块部署于服务器上；数据模块，对服务器接收到的谷物数据，服务器分析的结果数据等进行统一存储和管理；支持获取已管理的数据；结果查询展示模块，从数据模块获取指定谷物分析评审结果用于展示。具体地说，所述样本标注子系统包括注册登录单元，包括用户注册、用户注销、用户权限；文件单元，包括上传文件子单元和下载文件子单元，所述上传文件子单元用于上传待标注的设定大小和格式的图片样本，所述下载子单元用于下载修改后指定格式的标注信息数据文件，用于检测算法训练；样本标注单元，用于对上传子单元上传的图片样本的样本位置数据进行智能识别，选择标注的类型，并且设定标注的农作物颗粒的线条色彩。本专利技术的技术效果是：本专利技术结合多种子系统，获得农作物的形状、质量、三维影像，结合表面缺陷检测定位子系统对农作物不完善粒缺陷进行位置经检测，然后利用农作物图像自动分类子系统将不完善和完善粒进行分类，分类后结合所有农作物的形状、质量、三维影像来进行综合评价，通过设定不同的系数，实现所有农作物的在线评审。在上述工作过程中，比如农作物的形状、质量、三维影像重建均需要样本标注子系统协助完成。附图说明图1为人工智能农作物形状分析子系统图。图2为人工智能农作物质量分析子系统图。图3为人工智能农作物三维影像子系统的重建方法流程图。图4为人工智能农作物表面缺陷检测定位子系统的检测定位方法流程图。图5为农作物图像自动分类子系统结构图。图6为农作物图像自动分类子系统中深度神经网络模型示意图。图7为农作物等级在线评审子系统框架图。图8A为分割算法示意图。图8B为品质检测算法示意图。图9为样本标注系统图。图10为图片样本分割流程图。图11为深度学习模型寻优流程图。具体实施方式一种人工智能农作物处理系统，包括形状分析子系统，用于分析农作物的形状；质量分析子系统，用于分析农作物质量；三维影像重建子系统，用于对采集的农作物正反面图像进行三维立体建模；将二维平面影像信息转化为三维立体影像用于电子存档；表面缺陷检测定位子系统，用于农作物不完善粒缺陷的具体位置检测；农作物图像自动分类子系统，用于农作物的不完善粒和完善粒的分类；农作物等级在线评审子系统，用于实现谷物品质等级的在线评审功能；样本标注子系统，用于对农作物的图片进行标注，制作算法需要的数据集。以下分别对各子系统和系统所对应的方法进行详细的描述：1A、形状分析子系统如图1所示，形状分析子系统用于获取多个农作物的二维坐标信息，包括计算机视觉处理模块，用于获取多角度的农作物外表扫描图像，对农作物外表扫描本文档来自技高网...

【技术保护点】
1.一种人工智能农作物处理系统，其特征在于，包括/n形状分析子系统，用于分析农作物的形状；/n质量分析子系统，用于分析农作物质量；/n三维影像重建子系统，用于对采集的农作物正反面图像进行三维立体建模，将二维平面影像信息转化为三维立体影像用于电子存档；/n表面缺陷检测定位子系统，用于农作物不完善粒缺陷的具体位置检测；/n农作物图像自动分类子系统，用于农作物的不完善粒和完善粒的分类；/n农作物等级在线评审子系统，用于实现谷物品质等级的在线评审功能；/n样本标注子系统，用于对农作物的图片进行标注，制作算法需要的数据集。/n

【技术特征摘要】
1.一种人工智能农作物处理系统，其特征在于，包括
形状分析子系统，用于分析农作物的形状；
质量分析子系统，用于分析农作物质量；
三维影像重建子系统，用于对采集的农作物正反面图像进行三维立体建模，将二维平面影像信息转化为三维立体影像用于电子存档；
表面缺陷检测定位子系统，用于农作物不完善粒缺陷的具体位置检测；
农作物图像自动分类子系统，用于农作物的不完善粒和完善粒的分类；
农作物等级在线评审子系统，用于实现谷物品质等级的在线评审功能；
样本标注子系统，用于对农作物的图片进行标注，制作算法需要的数据集。


2.根据权利要求1所述的一种人工智能农作物处理系统，其特征在于，所述形状分析子系统包括
计算机视觉处理模块，用于获取多角度的农作物外表扫描图像，对农作物外表扫描的图像做图像预处理，获得单个农作物的图像；
人工智能处理模块，用于对所述农作物的图像进行处理获得图像的高维特征值并进行统计组合获得多个维度特征值，进而计算出农作物在图像中的模板信息，最后依据模板信息拟合并显示出农作物的轮廓信息。


3.根据权利要求2所述的一种人工智能农作物处理系统，其特征在于，所述计算机视觉处理模块包括依次设置的
图像扫描设备，用于对设定量的农作物样本进行图像扫描，获得多角度的农作物外表扫描图像；
图像处理单元，用于对农作物外表扫描图像做图像预处理，最终将多颗农作物的图像分割成多张单个农作物的图像；所述图像处理单元包括滤波算法子单元和边缘信号增强子单元，所述滤波算法子单元用于滤除图像中的干扰信号，所述边缘信号增强子单元用于多角度的农作物外表扫描图像的配准。


4.根据权利要求1所述的一种人工智能农作物处理系统，其特征在于，所述质量分析子系统包括：
农作物图像处理模块，用于处理包含多粒农作物信息的扫描图像，分析出图像中多个农作物的形状、类别信息；
农作物质量判定模块，用于预测多粒农作物的实际质量，基于强监督学习技术，依据多粒农作物的形状和所属类别信息结合所述的样本标注子系统提供的标注信息，推算出农作物的实际质量。


5.根据权利要求4所述的一种人工智能农作物处理系统，其特征在于，所述农作物...

【专利技术属性】
技术研发人员：武勇，周金旺，朱逞春，丁益文，范磊，范冬冬，董军军，仇国庆，
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