一种基于自定义轻量型卷积神经网络玉米种穗分类方法技术

本发明专利技术提出了一种基于自定义轻量型卷积神经网络玉米种穗分类方法，解决了传统深度学习模型计算成本大、模型可解释性较差等问题，其主要步骤包括：S1、采集玉米种穗图像并构建对应数据集；S2、依据卷积神经网络构建分类模型，包括，输入层，用以对图像进行缩放和归一化并输入模型，特征提取层，用以对输入图像进行特征提取，分类层，用以提取到的分类特征进行分类预测，输出层，用以输出图像预测结果；S3、依据优化训练策略对分类模型进行反复迭代训练和验证，至其各性能指标趋于稳定保存模型；S4、测试步骤S3保存的分类模型，若性能不满足要求则重新进行步骤S3；S5、通过Grad

【技术实现步骤摘要】
一种基于自定义轻量型卷积神经网络玉米种穗分类方法


[0001]本专利技术涉及深度学习和图像处理
，具体涉及适用于玉米种穗分选流水线的一种基于自定义轻量型卷积神经网络的玉米种穗分类方法。

技术介绍

[0002]杂交玉米制种是生产玉米种子的主要方式，杂交种子具有显著的增产效果。在田间生产过程中，由于去雄不彻底和去杂不严格等原因容易生产出不纯或不合格的玉米种子，严重影响玉米种子的纯度和质量。为提高玉米种子的纯度和质量，通常在田间或种子加工厂使用人工通过颜色外观差异来剔除含有杂质和不合格籽粒的异常玉米种穗。异常玉米种穗分选是玉米种子生产线的第一道环节，也是有效分离异常种穗的最后步骤。
[0003]而依靠人工凭借目视观察和经验判断完成的方式，存在分选质量受人的主观判断和注意力影响大、分选成本和效率受到劳动力成本和人工分拣效率制约等问题。故迫切需要一种可以代替人工去快速、准确完成玉米种穗分选的新方法，来提高玉米制种的效率和质量。
[0004]近年来深度学习和图像处理技术在图像分类领域取得了巨大的成就，为解决玉米种穗分选问题提供了一种新本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自定义轻量型卷积神经网络玉米种穗分类方法，其特征在于，包括如下步骤：S1、采集玉米种穗图像并构建对应数据集，所述数据集包括正常玉米种穗图像与异常玉米种穗图像；S2、依据卷积神经网络构建分类模型，所述分类模型包括，输入层，用以对步骤S1中的玉米种穗图像进行缩放和归一化并输入模型；特征提取层，用以对输入层输入的玉米种穗图像进行特征提取，所述特征提取层由五个由浅至深的卷积层块构成，每一所述卷积层块由卷积层、池化层、批量归一化层、激活函数和注意力机制组成，所述卷积层首先对输入的玉米种穗图像进行卷积以提取得到初始特征，随后依次通过池化层、批量归一化层和激活函数对所述初始特征进行下采样、数据分布调整以及非线性增加处理得到分类特征，所述注意力机制用以提取所述分类特征中每个通道的重要程度，分类层，由全局平均池化层、全连接层和分类器组成，用以对经特征提取层提取到的分类特征进行分类预测，输出层，用以输出玉米种穗图像的预测结果，预测结果类别包括正常玉米种穗与异常玉米种穗；S3、依据优化训练策略对所述分类模型进行反复迭代训练和验证，至其各性能指标趋于稳定保存模型；S4、测试步骤S3保存得到的分类模型，若性能不满足要求则重新进行步骤S3中的训练和验证过程；S5、通过Grad
‑
CAM算法可视化所述分类模型的分类结果。2.根据权利要求1所述的一种基于自定义轻量型卷积神经网络玉米种穗分类方法，其特征在于：所述步骤S2中，输入层中缩放函数为Resize，归一化函数为Normalize；特征提取层中，卷积层对应卷积函数为Conv2d，池化层对应池化函数为MaxPool2d，批量归一化层对应函数为BatchNorm2d，激活函数为ReLU，注意力机制为Squeeze
‑
and
‑
Excitation Networks；分类层中，全局平均池化层对应函数为AdaptiveAvgPool2d，全连接层对应函数为Linear，分类器为Softmax分类器。3.根据权利要求1所述的一种基于自定义轻量型卷积神经网络玉米种穗分类方法，其特征在于：所述注意力机制提取分类特征中每个通道重要程度的步骤如下，对经过卷积层、池化层、批量归一化层和激活函数提出的分类特征X
c
进行挤压，通过全局平均池化层将分类特征X
c
平面维度化，获得通道注意力向量Z
c
,对Z
c
进行激励，通过全局平均池化层、全连接层和ReLU函数捕获特征通道间的权重关系S
c
，利用Sigmoid函数将S
c
映射到[0,1]区间，将S
c
与X
c
对应进行加权，输出特征X
′
c
,计算公式为X
′
c
＝X
c
σ(W2δ(W1Z
c
))其中，σ表示Sigmoid函数，δ表示ReLU函数，W1和W2分别表示两个全连接层。4.根据权利要求1所述的一种基于自定义轻量型卷积神经网络玉米种穗分类方法，其
特征在于：所述步骤S3中优化训练策略为数据增强与动态学习速率设置，所述数据增强具体步骤如...

【专利技术属性】
技术研发人员：李永磊，马翔，万里鹏程，宋金玙，宋建农，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：