基于网络模型的花生种子精选评估与分级方法技术

本发明专利技术公开一种基于网络模型的花生种子精选评估与分级方法，首先构建网络模型并对其进行训练，然后基于训练好的网络模型对花生种子进行精选与评估，最后，对精选出的良好花生种子进行分级。本方案利用卷积神经网络配合花生精选的流程，有效提高花生种子的识别率；通过对花生种子进行图像分析，对花生进行精选和评估，并针对精选后的优良种子，结合其长宽比及面积占比获得花生种子分级，实现精确的挑选出品质优良的花生以及剔除破损种子、干瘪种子、病害种子，实现对花生种植的产量与质量的可靠性分析。可靠性分析。可靠性分析。

【技术实现步骤摘要】
基于网络模型的花生种子精选评估与分级方法


[0001]本专利技术涉及花生种子精选和分级
，具体涉及一种基于深度学习、图像处理的花生种子的精选和分级方法。

技术介绍

[0002]花生是中国产量丰富、食用广泛的一种作物，花生作为油料作物和经济作物，富含脂肪、蛋白质、钙、铁、磷、维生素等营养物质，营养十分丰富，同时花生也是具有强劲国际竞争力的出口创汇农产品，可以给国家带来不菲收益。
[0003]当前花生种子收获后仍存在较多的杂质、小粒、破粒、坏粒、虫粒等，而花生种子的好坏直接影响了花生种植的产量与质量。目前花生种子精选分级主要依赖于人工或机械设计方式实现，但是其精选和分级效率低、精度差，且难以实现对花生种子的准确分析。
[0004]公开号为CN109675799A的专利技术专利公开一种花生精加工分级筛选机及其筛选方法，通过筛分网架，矩形通槽等设计可以实现自动化的对花生进行分级筛选的功能，可以准确的对花生进行分级，同时可以将破坏成瓣的花生进行单独分离出来，可以防止花生将筛分板堵住，具有筛选效果好等优点。
[0005]近些年随着技术的进步，深度学习技术发展迅速，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术，基于此，本专利技术提出一种基于深度学习花生种子精选和分级方法。

技术实现思路

[0006]本专利技术为解决现有技术中人工对花生种子进行分级筛选存在的效率低、精度差的缺陷，提出一种基于深度学习和图像处理的花生种子的精选和分级方法。
[0007]本专利技术是采用以下的技术方案实现的：一种基于网络模型的花生种子精选评估与分级方法，包括以下步骤：
[0008]步骤A、构建网络模型并对其进行训练；
[0009]步骤B、基于训练好的网络模型对花生种子进行精选及评估；
[0010]步骤B1、精选并统计各类花生种子：采集花生种子原始图像，并依次进行高斯滤波、二值化、俯视膨胀和轮廓检测处理，得到花生种子最小外接矩形和最小外接椭圆，基于训练好的网络模型实现对花生种子的精选；
[0011]步骤B2、花生种子评估：确定良好花生种子、破损花生种子、干瘪花生种子和病害花生种子数量，并计算各个种类花生种子占总体的占比，实现对花生种子的评估；
[0012]步骤C、对精选出的良好花生种子进行分级；
[0013]步骤C1、确定单个花生种子在原始图像中所占面积S；
[0014]步骤C2、计算最小外接矩形长宽比n，n＜1，并计算最小外接矩形面积与外接最小椭圆面积之比记为ω：
[0015]当S≥a1且n
×
ω≥0.9为优等种子，并记录数量为O
a
；
[0016]当a2≤S＜a1且0.9＞n
×
ω≥0.8为良好种子，并记录数量为O
b
；
[0017]当a3≤S＜a2且0.8＞n
×
ω≥0.7为一般种子，并记录数量为O
c
，
[0018]当S＜a3且0.7＞n
×
ω为不合格种子，并记录数量为O
d
；
[0019]其中，a1、a2、a3为像素点具体数值，根据花生品种不同而不同。
[0020]进一步的，述步骤A具体通过以下方式实现：
[0021]步骤A1、构建数据集并对其进行预处理；
[0022]收集不同品种花生种子中的良好花生种子、破损种子、干瘪种子和病害种子四类品质种子的图像，进行降噪、白平衡调节并将图像的每一个像素值乘以1/255，使每一个数值都处于0～1之间，得到数据集并将其分为训练集、验证集以及测试集；然后采用旋转、平移、缩放以及翻转对数据集进行预处理；
[0023]步骤A2、构建网络模型并对其进行训练；
[0024]网络模型主干采用MobileNetV2，网络模型结包括卷积层、瓶颈层、平均池化层，为了提高训练后模型的准确率，网络模型的最后添加Dropout正则化层，并将Dropout值预设为0.5，输出层为全连接层；训练时，通过网格搜索法对网络模型的深度参数、宽度参数和分辨率参数进行融合调节，使网络模型达到最优泛化效果；
[0025]步骤A3、网络模型测试；
[0026]训练完成后，对模型模型进行测试，测试结果选用混淆矩阵进行分析；模型测试完无误之后，保存模型并对模型进行量化操作。
[0027]进一步的，所述步骤B中，将花生图像剪裁成需要的尺寸时，首先通过cv2函数获得最小外接椭圆的中心坐标(x，y)，为了避免裁剪到图像中的花生种子，裁剪时判断中心坐标x，y在图像中的位置，根据中心坐标及需要的尺寸大小对原始图像进行剪裁。
[0028]进一步的，所述步骤B1具体通过以下方式实现：
[0029](1)采集花生种子原始图像：从视频流中抽取一帧画面，通过摄像机捕获到的图像为RGB通道；
[0030](2)高斯滤波：将图像颜色空间转化为HSV，之后分离H，S，V通道，对H通道进行高斯滤波，去除图像中的噪声；
[0031](3)二值化：对滤波后的图像采用OTSU阈值法进行二值化处理，处理后图像中花生种子为白色，背景为黑色；
[0032](4)腐蚀膨胀：为消除二值化处理后图像白色斑点对花生种子区域轮廓检测的干扰，对二值化后的图像分别执行多次腐蚀与膨胀的形态学处理；
[0033](5)轮廓检测：通过轮廓检测器获取花生种子的外接椭圆及外接矩形，对外接矩形和外接椭圆面积进行筛选，获取最小外接矩形和最小外接椭圆，然后将花生图像剪裁成需要的尺寸；
[0034](6)花生种子精选：将剪裁后的花生种子输入至训练好的网络模型中，通过各层卷积层提取特征，将图像抽象化，精选出良好花生种子、破损花生种子、干瘪花生种子和病害花生种子。
[0035]进一步的，所述步骤B1中，在对花生种子进行精选时，依据以下特征进行判断：
[0036]良好花生种子经过抽象化其特征为：花生图像区域像素值正常且均匀，边缘检测结果接近于椭圆形；
[0037]破损花生种子经过抽象化其特征为：花生图像区域像素值呈现两种数值且数值差异明显，边缘检测得到的图像不为椭圆或椭圆内部检测出明显边缘；
[0038]干瘪花生种子经过抽象化其特征为：花生图像区域像素值波动明显，边缘检测得到的图像除有椭圆边缘以外，在椭圆内部出现大量条纹边缘；
[0039]病害种子样本经过抽象化其特征为：花生图像区域像素值与正常数值差别巨大且呈现出区域像素值不均衡状态，边缘检测得到的图像除椭圆边缘外，椭圆内部检测出不规则边缘。
[0040]进一步的，所述步骤C1中，在确定单个花生种子在图像中在占面积时，采用以下方式：
[0041]计算二值化后的图像中最小外接椭圆内部白色像素点数，记为S1；然后对花生种子原始图像重新进行滤波，然后进行简单阈值处理二值化，使得花生图像除花生种子种皮破损处为白色以外其他部分呈现黑色，计算最小外接椭圆内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于网络模型的花生种子精选评估与分级方法，其特征在于，包括以下步骤：步骤A、构建网络模型并对其进行训练；步骤B、基于训练好的网络模型对花生种子进行精选及评估；步骤B1、精选并统计各类花生种子：采集花生种子原始图像，并依次进行高斯滤波、二值化、俯视膨胀和轮廓检测处理，得到花生种子最小外接矩形和最小外接椭圆，基于训练好的网络模型实现对花生种子的精选；步骤B2、花生种子评估：确定良好花生种子、破损花生种子、干瘪花生种子和病害花生种子数量，并计算各个种类花生种子占总体的占比，实现对花生种子的评估；步骤C、对精选出的良好花生种子进行分级；步骤C1、确定单个花生种子在原始图像中所占面积S；步骤C2、计算最小外接矩形长宽比n，n<1，并计算最小外接矩形面积与外接最小椭圆面积之比记为ω：当S≥a1且n
×
ω≥0.9为优等种子，并记录数量为O
a
；当a2≤S＜a1且0.9>n
×
ω≥0.8为良好种子，并记录数量为O
b
；当a3≤S＜a2且0.8>n
×
ω≥0.7为一般种子，并记录数量为O
c
,当S＜a3且0.7>n
×
ω为不合格种子，并记录数量为O
d
；其中，a1、a2、a3为像素点具体数值，根据花生品种不同而不同。2.根据权利要求1所述的基于网络模型的花生种子精选评估与分级方法，其特征在于，所述步骤A具体通过以下方式实现：步骤A1、构建数据集并对其进行预处理；收集不同品种花生种子中的良好花生种子、破损种子、干瘪种子和病害种子四类品质种子的图像，进行降噪、白平衡调节并将图像的每一个像素值乘以1/255，使每一个数值都处于0～1之间，得到数据集并将其分为训练集、验证集以及测试集；然后采用旋转、平移、缩放以及翻转对数据集进行预处理；步骤A2、构建网络模型并对其进行训练；网络模型主干采用MobileNetV2，网络模型结包括卷积层、瓶颈层、平均池化层，网络模型的最后添加Dropout正则化层，并将Dropout值预设为0.5，输出层为全连接层；训练时，通过网格搜索法对网络模型的深度参数、宽度参数和分辨率参数进行融合调节，使网络模型达到最优泛化效果；步骤A3、网络模型测试；训练完成后，对模型模型进行测试，测试结果选用混淆矩阵进行分析；模型测试完无误之后，保存模型并对模型进行量...

【专利技术属性】
技术研发人员：员玉良，徐鹏飞，黄劲龙，余琼，郑大帅，李德豪，刘俊杰，闫吉顺，张伟康，
申请(专利权)人：青岛农业大学，
类型：发明
国别省市：