基于高光谱可增量更新的玉米种子品种鉴定方法及系统技术方案

本发明专利技术公开一种基于高光谱可增量更新的玉米种子品种鉴定方法及系统，该方法包括根据不同品种的高光谱图像，基于深度SVDD确定每一品种的单类分类器；单类分类器的训练过程为：利用图像特征提取模块对处理后的高光谱图像进行图像特征提取；利用光谱特征提取模块对光谱数据进行光谱特征提取；利用波段注意力和稀疏约束模块对全波段进行冗余信息处理；利用特征融合模块对图像特征和光谱特征进行整合；利用超球学习损失优化模块优化单类分类器的网络参数；将所有的单类分类器进行融合，确定品种鉴定模型以识别已知品种和拒识未知品种；并当玉米种子的品种增加或被淘汰时，实时更新品种鉴定模型；本发明专利技术可实现品种的快速、无损、简单、低成本鉴定。低成本鉴定。低成本鉴定。

【技术实现步骤摘要】
基于高光谱可增量更新的玉米种子品种鉴定方法及系统


[0001]本专利技术涉及作物种子品种真实性检测领域，特别是涉及一种基于高光谱可增量更新的玉米种子品种鉴定方法及系统。

技术介绍

[0002]种子被形象的喻为农业的“芯片”，是农业高质量发展的源头，种子品种真实性鉴定是种业健康发展的重要保障。玉米作为世界三大谷物之一，是重要的食物、饲料、和工业原料来源之一。品种（基因型）是影响种子品质最重要的指标之一。不同品种的种子在内部化学成分、外部形态特征以及产量、品质、活力和抗逆性等方面存在差异。中国是全球第二大种子市场，种子生产经营已经商业化，蕴含着巨大的经济利益。然而，种子市场上经常出现以假冒伪劣品种充当畅销优质品种的现象，这不仅侵犯了育种者的品种权，给种子生产者、经营者、农民造成巨大的农业经济损失，而且给国家粮食安全带来了严重的隐患。因此，为了打击品种造假、规范玉米种业、保障国家粮食安全，对玉米种子品种进行真实性鉴定具有重要的意义。
[0003]传统上，人们使用田间种植、分子生物技术（如DNA指纹图谱）和化学方法来鉴定种子品种。虽然这些方法十分准确，但由于费时、费力、成本高、操作复杂等缺点，难以满足种子管理部门尤其是基层管理部门的需要。因此，亟需发展现场、实时、易操作、低成本的种子品种真实性初筛方法，和现有精细鉴定方法互为有益补充，共同形成种子品种真实性鉴定技术体系。无损检测是最有望实现这一目的方法。
[0004]当前机器视觉技术、近红外光谱技术、高光谱成像技术是种子品种鉴别中最常用的无损检测方法。而机器视觉技术和近红外光谱技术只能分别地和单方面地获取样本的空间和光谱信息。随着玉米种子品种的增加，其种子特性严重重叠，单一的技术无法为其分类提供充分的信息。高光谱成像集成了机器视觉和光谱技术的优点，可以获得同一样本区域在多个波长下对应的光谱图像，信息量十分丰富。目前，已经有了大量利用高光谱成像鉴定不同作物种子品种的研究报道。实际上，现实中种子分类是一项十分复杂的任务，许多研究都没有仔细考虑如下3个关键性问题：（1）种子品种众多（以玉米为例，目前市场上流通的品种就有500多种）；（2）品种更新快（以玉米为例，每年新增及淘汰品种数以百计）；（3）假种子情况复杂，无法穷举，很多假种子不属于任何一个已知品种。在以往的研究中，鉴定品种较少，最多35个；模型不具备模块化特点，部分品种增减就需要重建整个模型，费时费力，无法实现在线更新；且以往工作只对模型涵盖品种有正确鉴定能力，对未涵盖品种，不具备拒识能力。

技术实现思路

[0005]本专利技术的目的是提供一种基于高光谱可增量更新的玉米种子品种鉴定方法及系统，既能完成在线更新，又能识别已知品种并拒识未知品种的鉴定模型，以实现品种的快速、无损、简单、低成本鉴定。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于高光谱可增量更新的玉米种子品种鉴定方法，包括：
[0008]获取不同品种的玉米种子高光谱图像；
[0009]根据不同品种的玉米种子高光谱图像，基于深度SVDD确定每一品种的单类分类器；所述单类分类器的训练过程为：利用主成分分析对玉米种子高光谱图像进行处理后，输入到图像特征提取模块对处理后的图像进行图像特征提取；利用光谱特征提取模块对光谱数据进行光谱特征提取；利用波段注意力和稀疏约束模块对全波段进行冗余信息处理；利用特征融合模块对图像特征和光谱特征进行整合；利用超球学习损失优化模块优化单类分类器的网络参数；
[0010]将所有的单类分类器进行融合，确定品种鉴定模型以识别已知品种和拒识未知品种；并当玉米种子的品种增加或被淘汰时，实时更新品种鉴定模型；
[0011]利用更新后的品种鉴定模型对待鉴定的玉米种子进行鉴定。
[0012]可选地，所述获取不同品种的玉米种子高光谱图像，之后还包括：
[0013]对玉米种子高光谱图像进行预处理；所述预处理包括：黑白校正处理、去噪处理、阈值分割法去除背景以及图像分割。
[0014]可选地，所述利用波段注意力和稀疏约束模块对全波段进行冗余信息处理，具体包括：
[0015]采用波段注意力机制生成各波段的波段权重；
[0016]对波段权重进行稀疏约束，将波段权重小于权重阈值的权重赋值为0。
[0017]可选地，所述利用超球学习损失优化模块优化单类分类器的网络参数，具体以下公式：
[0018]；
[0019]其中，L
OSS
表示损失函数，Y
i
表示第i个种子的特征表示，C为所有特征的中心，L表示波段数，b
ij
表示第i个种子第j个波段的非稀疏约束权重，W表示训练的神经网络的权重矩阵，α、λ为调节参数，表示范数，表示Frobenius范数，n表示种子的数量。
[0020]可选地，所述将所有的单类分类器进行融合，确定品种鉴定模型；并当玉米种子的品种增加或被淘汰时，实时更新品种鉴定模型，具体包括：
[0021]当玉米种子的品种增加时，根据增加品种的玉米种子高光谱图像，基于深度SVDD确定相应的单类分类器；
[0022]将增加的单类分类器融合到品种鉴定模型；
[0023]当玉米种子的品种被淘汰时，将被淘汰品种对应的单类分类器从品种鉴定模型中剔除。
[0024]可选地，所述利用更新后的品种鉴定模型对待鉴定的玉米种子进行鉴定，具体包括：
[0025]利用公式确定距离得分函数；
[0026]其中，Y
i
为第i个种子的特征表示，为已训练好的超球的中心，用于评估种子x
i
的品种得分；
[0027]当大于距离阈值时，种子x
i
为未知品种。
[0028]一种基于高光谱可增量更新的玉米种子品种鉴定系统，包括：
[0029]高光谱图像获取模块，用于获取不同品种的玉米种子高光谱图像；
[0030]单类分类器确定模块，用于根据不同品种的玉米种子高光谱图像，基于深度SVDD确定每一品种的单类分类器；所述单类分类器的训练过程为：利用主成分分析对玉米种子高光谱图像进行处理后，输入到图像特征提取模块对处理后的图像进行图像特征提取；利用光谱特征提取模块对光谱数据进行光谱特征提取；利用波段注意力和稀疏约束模块对全波段进行冗余信息处理；利用特征融合模块对图像特征和光谱特征进行整合；利用超球学习损失优化模块优化单类分类器的网络参数；
[0031]品种鉴定模型确定模块，用于将所有的单类分类器进行融合，确定品种鉴定模型；并当玉米种子的品种增加或被淘汰时，实时更新品种鉴定模型；
[0032]品种鉴定模块，用于利用更新后的品种鉴定模型对待鉴定的玉米种子进行鉴定。
[0033]一种基于高光谱可增量更新的玉米种子品种鉴定系统，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的一种基于高光谱可增量更新的玉米种子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高光谱可增量更新的玉米种子品种鉴定方法，其特征在于，包括：获取不同品种的玉米种子高光谱图像；根据不同品种的玉米种子高光谱图像，基于深度SVDD确定每一品种的单类分类器；所述单类分类器的训练过程为：利用主成分分析对玉米种子高光谱图像进行处理后，输入到图像特征提取模块对处理后的图像进行图像特征提取；利用光谱特征提取模块对玉米种子高光谱图像进行光谱特征提取；利用波段注意力和稀疏约束模块对全波段进行冗余信息处理；利用特征融合模块对图像特征和光谱特征进行整合；利用超球学习损失优化模块优化单类分类器的网络参数；将所有的单类分类器进行融合，确定品种鉴定模型以识别已知品种和拒识未知品种；并当玉米种子的品种增加或被淘汰时，实时更新品种鉴定模型；利用更新后的品种鉴定模型对待鉴定的玉米种子进行鉴定。2.根据权利要求1所述的一种基于高光谱可增量更新的玉米种子品种鉴定方法，其特征在于，所述获取不同品种的玉米种子高光谱图像，之后还包括：对玉米种子高光谱图像进行预处理；所述预处理包括：黑白校正处理、去噪处理、阈值分割法去除背景以及图像分割。3.根据权利要求1所述的一种基于高光谱可增量更新的玉米种子品种鉴定方法，其特征在于，所述利用波段注意力和稀疏约束模块对全波段进行冗余信息处理，具体包括：采用波段注意力机制生成各波段的波段权重；对波段权重进行稀疏约束，将波段权重小于权重阈值的权重赋值为0。4.根据权利要求1所述的一种基于高光谱可增量更新的玉米种子品种鉴定方法，其特征在于，所述利用超球学习损失优化模块优化单类分类器的网络参数，具体以下公式：；其中，L
OSS
表示损失函数，Y
i
表示第i个种子的特征表示，C为所有特征的中心，L表示波段数，b
ij
表示第i个种子第j个波段的非稀疏约束权重，W表示训练的神经网络的权重矩阵，α、λ为调节参数，表示范数，表示Frobenius范数，n表示种子的数量。5.根据权利要求1所述的一种基于高光谱可增量更新的玉米种子品种鉴定方法，其特征在于，所述将所有...

【专利技术属性】
技术研发人员：安冬，张柳，黄金泽，位耀光，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：