谷粒类别识别方法、装置及计算机设备制造方法及图纸

本申请公开一种谷粒类别识别方法、装置及计算机设备；本申请构建谷粒类别识别模型，谷粒类别识别模型包括初始编码器和解码器；基于目标样本图像数据，对谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，训练后的谷粒类别识别模型包括目标编码器，目标编码器包括对初始编码器的参数调整所得的编码器；采集待识别谷粒的待识别图像数据，待识别图像数据包括至少两个视角图像，视角图像包括从不同视角对待识别谷粒进行拍摄所得图像；将待识别图像数据输入训练后的谷粒类别识别模型，得到待识别谷粒的类别识别结果；本申请可以提升谷粒类别识别的准确性。粒类别识别的准确性。粒类别识别的准确性。

【技术实现步骤摘要】
谷粒类别识别方法、装置及计算机设备


[0001]本专利技术涉及农业领域，尤其涉及一种谷粒类别识别方法、装置及计算机设备。

技术介绍

[0002]粮食作为农业领域的重要资源，对于人们的日常生活来说起着至关重要的作用。粮食在流通过程中需要对其进行分级，不同种类的粮食可以应用在不同的生产场景中。具体可以根据虫害谷粒、发霉谷粒等不完善粒在所有谷物中的比例进行分级，现有技术可以通过传感器等对谷粒进行识别，确定谷粒为完好的完善粒还是带有缺陷的不完善粒。然而现有借助传感器识别谷粒类别的方式准确率不高。

技术实现思路

[0003]本申请提供了一种谷粒类别识别方法、装置及计算机设备，可以提升谷粒类别识别的准确性。
[0004]本申请提供了一种谷粒类别识别方法，包括：构建谷粒类别识别模型，谷粒类别识别模型包括初始编码器和解码器；基于目标样本图像数据，对谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，训练后的谷粒类别识别模型包括目标编码器，目标编码器包括对初始编码器的参数调整所得的编码器；采集待识别谷粒的待识别图像数据，待识别图像数据包括至少两个视角图像，视角图像包括从不同视角对待识别谷粒进行拍摄所得图像；将待识别图像数据输入训练后的谷粒类别识别模型，得到待识别谷粒的类别识别结果。
[0005]相应地，本申请还提供了一种谷粒类别识别装置，包括：构建模块，用于构建谷粒类别识别模型，谷粒类别识别模型包括初始编码器和解码器；训练模块，用于基于目标样本图像数据，对谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，训练后的谷粒类别识别模型包括目标编码器，目标编码器包括对初始编码器的参数调整所得的编码器；采集模块，用于采集待识别谷粒的待识别图像数据，待识别图像数据包括至少两个视角图像，视角图像包括从不同视角对待识别谷粒进行拍摄所得图像；识别模块，用于将待识别图像数据输入训练后的谷粒类别识别模型，得到待识别谷粒的类别识别结果。
[0006]在本申请的一些实施例中，训练模块包括获取子模块、生成子模块和训练子模块，其中，获取子模块，用于获取目标样本图像数据，目标样本图像数据包括针对目标谷粒的至少两个视角图像，视角图像包括从不同视角对目标谷粒进行拍摄所得图像；
生成子模块，用于基于目标样本图像数据，生成图像特征数据；训练子模块，用于根据图像特征数据，对谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型。
[0007]在本申请的一些实施例中，生成子模块包括预处理单元、编码单元、掩码单元和生成单元，其中，预处理单元，用于对目标样本图像数据进行预处理，得到目标样本图像数据的表征数据，表征数据包括多个表征子数据，表征子数据包括掩码表征子数据和编码表征子数据；编码单元，用于通过谷粒类别识别模型的编码器对编码表征子数据进行特征提取，得到特征子数据；掩码单元，用于对掩码表征子数据进行掩码，得到掩码子数据；生成单元，用于根据特征子数据和掩码子数据，生成目标样本图像数据对应的图像特征数据。
[0008]在本申请的一些实施例中，训练子模块包括生成单元、计算单元和训练单元，其中，生成单元，用于基于图像特征数据和谷粒类别识别模型的解码器，生成样本图像数据对应的重建图像数据，重建图像数据包括每个视角图像对应的重建图像；计算单元，用于基于目标样本图像数据、重建图像数据以及图像特征数据，计算图像重建损失值；训练单元，用于基于重建损失值，对谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型。
[0009]在本申请的一些实施例中，表征子数据对应视角图像中的一个子区域，谷粒类别识别装置还可以包括选中确定模块和位置确定模块，其中，选中确定模块，用于从至少两个视角图像中，确定至少一个选中视角图像、以及选中视角图像中的至少一个选中子区域，选中子区域对应掩码表征子数据；位置确定模块，用于确定掩码表征子数据在表征数据中的掩码位置信息、以及编码表征子数据在表征数据中的编码位置信息；此时生成单元可以用于：根据掩码位置信息和编码位置信息，将所有掩码子数据和特征子数据合并，得到目标样本图像数据对应的图像特征数据。
[0010]在本申请的一些实施例中，选中确定模块可以包括图像子模块、生成子模块、选择子模块和数据子模块，其中，图像子模块，用于从至少两个视角图像中，确定至少一个选中视角图像；生成子模块，用于生成与表征数据对应的随机矩阵，随机矩阵中的每个数据与表征数据中的每个表征子数据一一对应；选择子模块，用于从随机矩阵中选择至少一个目标数据；数据子模块，用于确定与目标数据对应的表征子数据为掩码表征子数据，掩码表征子区域对应选中视角图像中的选中子区域。
[0011]在本申请的一些实施例中，图像子模块包括保存单元、打乱单元、标识值单元和选
中单元，其中，保存单元，用于为每个视角图像设置标识值，将所有标识值保存在标识数据集中；打乱单元，用于对标识数据集中的标识值进行打乱处理，得到打乱后标识数据集；标识值单元，用于确定打乱后标识数据集中的前第一数量个标识值为选中标识值；选中单元，用于确定选中标识值对应的视角图像为选中视角图像。
[0012]在本申请的一些实施例中，生成子模块可以包括生成单元和拼接单元，其中，生成单元，包括依次为每个视角图像生成目标随机子矩阵，目标随机子矩阵中的每个数据与视角图像的每个子区域一一对应；拼接单元，包括将所有目标随机子矩阵拼接起来，得到与表征数据对应的随机矩阵。
[0013]在本申请的一些实施例中，生成单元可以包括生成子单元、放大子单元和其他子单元，其中，生成子单元，用于为选中视角图像生成初始随机子矩阵；放大子单元，用于对初始随机子矩阵中的数据进行放大处理，得到每个选中视角图像的目标随机子矩阵；其他子单元，用于为其他视角图像生成目标随机子矩阵，其他视角图像为所有视角图像中除选中视角图像以外的视角图像。
[0014]在本申请的一些实施例中，选择子模块可以具体用于：对随机矩阵中的所有数值进行排序，得到每个数据的排序结果；将与预设排序筛选策略相匹配的排序结果对应的数据确定为目标数据。
[0015]在本申请的一些实施例中，计算单元可以包括计算子单元、输入子单元和确定子单元，其中，计算子单元，用于基于目标样本图像数据和特征提取损失函数，计算得到特征提取损失值；输入子单元，用于将目标样本图像数据和重建图像数据输入重构损失函数，得到重构损失值；确定子单元，用于根据特征提取损失值和重构损失值，确定谷粒类别识别模型的图像重建损失值。
[0016]在本申请的一些实施例中，计算子单元可以具体用于：获取样本图像数据对应的谷粒种类信息；基于图像特征数据，生成目标样本图像数据对应的预测种类信息；将谷粒种类信息和预测种类信息输入特征提取损失函数，得到特征提取损失值。
[0017]在本申请的一些实施例中，获取子模块可以包括采集单元、属性单元、保存单元和获取单元，其中，采集单元，用于控制质检设备采集待质检谷粒的至少两个样本图像，得到第一样本图像数据；属性单元，用于获取针对第一样本图像数据的第一属性信息，属本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种谷粒类别识别方法，其特征在于，包括：构建谷粒类别识别模型，所述谷粒类别识别模型包括初始编码器和解码器；基于目标样本图像数据，对所述谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，所述训练后的谷粒类别识别模型包括目标编码器，所述目标编码器包括对所述初始编码器的参数调整所得的编码器；采集待识别谷粒的待识别图像数据，所述待识别图像数据包括至少两个视角图像，所述视角图像包括从不同视角对所述待识别谷粒进行拍摄所得图像；将所述待识别图像数据输入所述训练后的谷粒类别识别模型，得到所述待识别谷粒的类别识别结果。2.根据权利要求1所述的谷粒类别识别方法，其特征在于，基于目标样本图像数据，对所述谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，包括：获取目标样本图像数据，所述目标样本图像数据包括针对目标谷粒的至少两个视角图像，所述视角图像包括从不同视角对所述目标谷粒进行拍摄所得图像；基于所述目标样本图像数据，生成图像特征数据；根据所述图像特征数据，对所述谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型。3.根据权利要求2所述的谷粒类别识别方法，其特征在于，所述基于所述目标样本图像数据，生成图像特征数据，包括：对所述目标样本图像数据进行预处理，得到所述目标样本图像数据的表征数据，所述表征数据包括多个表征子数据，所述表征子数据包括掩码表征子数据和编码表征子数据；通过谷粒类别识别模型的编码器对所述编码表征子数据进行特征提取，得到特征子数据；对所述掩码表征子数据进行掩码，得到掩码子数据；根据所述特征子数据和所述掩码子数据，生成所述目标样本图像数据对应的图像特征数据。4.根据权利要求3所述的谷粒类别识别方法，其特征在于，所述根据所述图像特征数据，对所述谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型，包括：基于所述图像特征数据和所述谷粒类别识别模型的解码器，生成所述样本图像数据对应的重建图像数据，所述重建图像数据包括每个所述视角图像对应的重建图像；基于所述目标样本图像数据、所述重建图像数据以及所述图像特征数据，计算图像重建损失值；基于所述重建损失值，对所述谷粒类别识别模型进行训练，得到训练后的谷粒类别识别模型。5.根据权利要求4所述的谷粒类别识别方法，其特征在于，所述表征子数据对应所述视角图像中的一个子区域，所述方法还包括：从所述至少两个视角图像中，确定至少一个选中视角图像、以及所述选中视角图像中的至少一个选中子区域，所述选中子区域对应所述掩码表征子数据；确定所述掩码表征子数据在所述表征数据中的掩码位置信息、以及所述编码表征子数据在所述表征数据中的编码位置信息；
所述根据所述掩码子数据和所述特征子数据，生成所述目标样本图像数据对应的图像特征数据，包括：根据所述掩码位置信息和所述编码位置信息，将所有所述掩码子数据和所述特征子数据合并，得到所述目标样本图像数据对应的图像特征数据。6.根据权利要求5所述的谷粒类别识别方法，其特征在于，所述从所述至少两个视角图像中，确定至少一个选中视角图像、以及所述选中视角图像中的至少一个选中子区域，包括：从所述至少两个视角图像中，确定至少一个选中视角图像；生成与所述表征数据对应的随机矩阵，所述随机矩阵中的每个数据与所述表征数据中的每个表征子数据一一对应；从所述随机矩阵中选择至少一个目标数据；确定与所述目标数据对应的表征子数据为掩码表征子数据，所述掩码表征子数据对应所述选中视角图像中的选中子区域。7.根据权利要求6所述的谷粒类别识别方法，其特征在于，所述从所述至少两个视角图像中，确定至少一个选中视角图像，包括：为每个所述视角图像设置标识值，将所有标识值保存在标识数据集中；对所述标识数据集中的标识值进行打乱处理，得到打乱后标识数据集；确定所述打...

【专利技术属性】
技术研发人员：武勇，丁益文，姚姚，
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：