一种基于深度CNN的玉米籽粒霉变在线检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于深度CNN的玉米籽粒霉变在线检测方法及装置。该技术方案提出先生成对抗样本，后通过增强加入对抗样本的训练集的数量，训练后获得最优准确率模型权重的玉米籽粒霉变检测方法。本发明专利技术通过机器视觉检测技术代替人工大量辨识霉变玉米籽粒，解决人工长时间作业情况下的误判以及人工作业持续时间短的问题。本发明专利技术不仅实现了霉变玉米籽粒检测与分类的自动化，而且通过增强原始训练集数量来获得最优解，具有高效、准确等技术优势。本发明专利技术为实现玉米籽粒的霉变识别、自动分类提供了一种有效的解决途径，具有良好的社会效益与经济效益。济效益。济效益。

【技术实现步骤摘要】
一种基于深度CNN的玉米籽粒霉变在线检测方法及装置


[0001]本专利技术属于农业物料检测
，具体涉及一种基于深度卷积神经网络的玉米籽粒霉变在线检测方法及装置。

技术介绍

[0002]玉米种粒品质是玉米种植的基础，高品质的玉米种粒，将直接影响玉米的产量。随着我国农业机械化技术与装备的快速发展，玉米机械化收获与脱粒基本实现，但玉米因挤压、碰撞等原因产生破损，破损的玉米进一步加速种粒的霉变，影响玉米种粒的出芽率，且在玉米籽粒破损处易感染黄曲霉菌，直接威胁人体健康。因此，筛选出霉变的玉米籽粒是提高玉米籽粒质量的有效方法之一，对防止黄曲霉素感染和保障粮食安全方面具有重要意义。
[0003]目前，传统玉米霉变籽粒分选方法主要为人工筛选，玉米籽粒筛选作业机械化、自动化程度仍处于较低水平，且对早期玉米籽粒霉变识别率低。

技术实现思路

[0004]本专利技术旨在针对现有技术的技术缺陷，提供一种基于深度卷积神经网络的玉米籽粒霉变在线检测方法及装置，以解决目前玉米籽粒筛选作业的机械化、自动化程度较低的技术问题。r/>[0005]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度CNN的玉米籽粒霉变在线检测方法，其特征在于，包括：1)采集霉变玉米籽粒与完好玉米籽粒的图像，利用n部相机在不同的空间位置，采集同一玉米籽粒在不同的空间位置的n张图像的方法，实现每个工位内采集n张玉米籽粒图像，组建用于检测霉变玉米籽粒的原始数据集；并将其对应的n张图像作为预测模型的输入，每n张图像为一组，每一组图像判定一个玉米籽粒霉变特征；2)采集与霉变玉米籽粒的无关类图像，构建无关类数据集；3)在原始数据集中添加噪声，生成噪声数据集，并将无关类数据集和噪声数据集合并为对抗样本数据集；4)对原始数据集和对抗样本数据集进行图像增强处理，得到不同数量级的混合数据集；5)划分不同数量级的混合数据集，得到不同数量级的训练集与测试集；6)构建深度卷积神经网络模型，并将所述训练集作为输入，对输入训练集进行特征提取与分类，训练后得到不同的预测模型；7)使用测试集测试所述预测模型，将准确率最高的预测模型部署至图像识别系统中，实现玉米霉变籽粒图像分类功能。2.根据权利要求1所述的一种基于深度CNN的玉米籽粒霉变在线检测方法，其特征在于，所述采集霉变玉米籽粒与完好玉米籽粒的图像，其数量至少各1000张，所述无关类数据集的数量至少满足200张，每张图像的尺寸大小均为224
×
224。3.根据权利要求1所述的一种基于深度CNN的玉米籽粒霉变在线检测方法，其特征在于，所述在原始数据集中添加噪声，包括：添加椒盐噪声和高斯噪声；所述的对抗样本数据集，包括无关类数据集和噪声数据集；所述图像增强处理，包括：随机旋转90
°
、180
°
和270
°
，以及最大左旋25
°
，最大右旋15
°
。...

【专利技术属性】
技术研发人员：姚艳春，林杰，崔春晓，王发赢，武继达，耿端阳，李晓珂，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：