本申请公开了一种不完善粒类别识别方法，包括：构建不完善粒类别识别模型，不完善粒类别识别模型用于识别谷粒类别；对不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，训练后的不完善粒类别识别模型包括训练后的分类模块、和训练后的排序模块；确定待识别谷粒的图像特征数据；分别通过训练后的分类模块和训练后的排序模块对图像特征数据进行处理，对应得到待识别谷粒的候选类别信息和排序分值信息；当候选类别信息表征待识别谷粒为不完善粒时，基于排序分值信息确定待识别谷粒的目标类别信息；本申请可以提升谷粒的类别识别精确度。别识别精确度。别识别精确度。
【技术实现步骤摘要】
不完善粒类别识别方法、装置及计算机设备
[0001]本申请涉及农业领域，尤其涉及一种不完善粒类别识别方法、装置及计算机设备。
技术介绍
[0002]随着科学技术的发展，农业领域的发展也日新月异，不断改变着人们的生产生活方式，比如，谷物在生长、贮存等过程中，可能会产生如虫蚀、生霉、生芽等问题，具有这些问题的谷粒统称为不完善粒。谷物中不完善粒的占比对谷物的质量影响较大，因此在实际生产应用过程中，对不完善粒的识别是一个常见问题，现有技术可以对谷粒进行分类，确定其为完善粒或不完善粒。
[0003]在对现有技术的研究和实践过程中，本申请的专利技术人发现，简单对谷粒进行二分类的识别精度较低，已经难以满足实际生产的需求。
技术实现思路
[0004]本申请提供了一种不完善粒类别识别方法、装置及计算机设备，可以提升谷粒类别识别的精确度。
[0005]本申请实施例提供了一种不完善粒类别识别方法，包括：构建不完善粒类别识别模型，不完善粒类别识别模型用于识别谷粒类别；对不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，训练后的不完善粒类别识别模型包括训练后的分类模块、和训练后的排序模块；确定待识别谷粒的图像特征数据；分别通过训练后的分类模块和训练后的排序模块对图像特征数据进行处理，对应得到待识别谷粒的候选类别信息和排序分值信息；当候选类别信息表征待识别谷粒为不完善粒时，基于排序分值信息确定待识别谷粒的目标类别信息。
[0006]相应地，本申请实施例提供一种不完善粒类别识别装置，包括：构建单元，用于构建不完善粒类别识别模型，不完善粒类别识别模型用于识别谷粒类别；训练单元，用于对不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，训练后的不完善粒类别识别模型包括训练后的分类模块和排序模块；确定单元，用于确定待识别谷粒的图像特征数据；处理单元，用于分别通过分类模块和排序模块对图像特征数据进行处理，对应得到待识别谷粒的候选类别信息和排序分值信息；类别单元，用于当候选类别信息表征待识别谷粒为不完善粒时，基于排序分值信息确定待识别谷粒的目标类别信息。
[0007]在本申请的一些实施例中，类别单元可以包括第一子单元和第二子单元，其中，第一子单元，用于当候选类别信息表征待识别谷粒为不完善粒、且排序分值信息
大于预设阈值时，确定待识别谷粒的候选类别信息为目标类别信息；第二子单元，用于当候选类别信息表征待识别谷粒为不完善类、且排序分值信息小于预设阈值时，确定待识别谷粒的目标类别信息，待识别谷粒的目标类别信息表征待识别谷粒为完善粒。
[0008]在本申请的一些实施例中，不完善粒类别识别装置还包括信息单元，其中，信息单元，用于当候选类别信息表征待识别谷粒为完善粒，确定候选类别信息为待识别谷粒的目标类别信息。
[0009]在本申请的一些实施例中，不完善粒类别识别模型包括特征提取模块，确定单元包括获取子单元和提取子单元，其中，获取子单元，用于获取待识别谷粒的谷粒图像；提取子单元，用于通过特征提取模块对谷粒图像进行特征提取，得到待识别谷粒的图像特征数据。
[0010]在本申请的一些实施例中，获取子单元具体用于：获取谷物图像，谷物图像包括多个谷粒；对谷物图像进行谷粒检测，得到待识别谷粒在谷物图像中的位置信息；根据位置信息，对谷物图像进行裁剪，得到待识别谷粒的谷粒图像。
[0011]在本申请的一些实施例中，训练单元包括确定子单元、获取子单元、输入子单元和训练子单元，其中，确定子单元，用于确定针对不完善粒类别识别模型的损失函数；获取子单元，用于获取用于模型训练的多个样本图像数据，以及每个样本图像数据的标签信息；输入子单元，用于将样本图像数据输入不完善粒类别识别模型，得到样本图像数据的类别预测结果；训练子单元，用于基于类别预测结果、标签信息和损失函数，对不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型。
[0012]在本申请的一些实施例中，不完善粒类别识别模型包括分类模块和排序模块，类别预测结果包括分类结果和排序结果，输入子单元具体用于：通过不完善粒类别识别模型的分类模块和排序模块，分别对样本图像数据识别，得到样本图像数据的分类结果和排序结果。
[0013]在本申请的一些实施例中，标签信息包括类别标签信息和排序标签信息，训练子单元具体用于：基于分类结果、排序结果、类别标签信息、排序标签信息和损失函数，计算不完善粒类别识别模型的损失值；根据损失值对不完善粒类别识别模型进行训练，直至满足预设训练终止条件，得到待转换的不完善粒类别识别模型，待转换的不完善粒类别识别模型包括待转换的特征提取模块，待转换的特征提取模块包括多个子模块，每个子模块包括多个分支层；对每个子模块的所有分支层分别进行融合处理，以得到训练后的不完善粒类别识别模型。
[0014]相应地，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质
存储有计算机程序，计算机程序适于处理器进行加载，以执行本申请实施例提供的任一种不完善粒类别识别方法。
[0015]相应地，本申请实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现本申请实施例提供的任一种不完善粒类别识别方法。
[0016]本申请可以构建不完善粒类别识别模型，不完善粒类别识别模型用于识别谷粒类别；对不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，训练后的不完善粒类别识别模型包括训练后的分类模块、和训练后的排序模块；确定待识别谷粒的图像特征数据；分别通过训练后的分类模块和训练后的排序模块对图像特征数据进行处理，对应得到待识别谷粒的候选类别信息和排序分值信息；当候选类别信息表征待识别谷粒为不完善粒时，基于排序分值信息确定待识别谷粒的目标类别信息。
[0017]本申请可以构建并训练不完善粒类别识别模型，得到训练后的不完善粒类别识别模型，训练后的不完善粒类别识别模型包括训练后的分类模块和训练后的排序模块，可以通过训练后的分类模块确定待识别谷粒的候选类别信息，候选类别信息表征待识别谷粒的多种状态，如完善粒、虫蚀粒、生霉粒、生芽粒等，其中，除完善粒以外的虫蚀粒、生霉粒、生芽粒等属于不完善粒，本申请可以通过训练后的排序模块确定待识别谷粒的排序分值信息，当候选类别信息表征待识别谷粒为不完善粒时，可以通过排序分值信息进行二次确定，最终得到待识别谷粒的目标类别信息，有效提升不完善粒类别识别的精确度。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例提供的不完善粒类别识别系统的流程示意图；图2本申请实施例提供的不完善粒类别识别方法的结构示意图；图3为本申请实施例提供的不完善粒类别识别方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种不完善粒类别识别方法，其特征在于，包括：构建不完善粒类别识别模型，所述不完善粒类别识别模型用于识别谷粒类别；对所述不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，所述训练后的不完善粒类别识别模型包括训练后的分类模块、和训练后的排序模块；确定待识别谷粒的图像特征数据；分别通过所述训练后的分类模块和所述训练后的排序模块对所述图像特征数据进行处理，对应得到所述待识别谷粒的候选类别信息和排序分值信息；当所述候选类别信息表征所述待识别谷粒为不完善粒时，基于所述排序分值信息确定所述待识别谷粒的目标类别信息。2.根据权利要求1所述的方法，其特征在于，所述当所述候选类别信息表征所述待识别谷粒为不完善粒时，基于所述排序分值信息确定所述待识别谷粒的目标类别信息，包括：当所述候选类别信息表征所述待识别谷粒为不完善粒、且所述排序分值信息大于预设阈值时，确定所述待识别谷粒的候选类别信息为目标类别信息；当所述候选类别信息表征所述待识别谷粒为不完善类、且所述排序分值信息小于预设阈值时，确定所述待识别谷粒的目标类别信息，所述待识别谷粒的目标类别信息表征所述待识别谷粒为完善粒。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：当所述候选类别信息表征所述待识别谷粒为完善粒，确定所述候选类别信息为所述待识别谷粒的目标类别信息。4.根据权利要求1所述的方法，其特征在于，所述不完善粒类别识别模型包括特征提取模块，所述确定待识别谷粒的图像特征数据，包括：获取待识别谷粒的谷粒图像；通过所述特征提取模块对所述谷粒图像进行特征提取，得到所述待识别谷粒的图像特征数据。5.根据权利要求4所述的方法，其特征在于，所述获取待识别谷粒的谷粒图像，包括：获取谷物图像，所述谷物图像包括多个谷粒；对所述谷物图像进行谷粒检测，得到待识别谷粒在所述谷物图像中的位置信息；根据所述位置信息，对所述谷物图像进行裁剪，得到所述待识别谷粒的谷粒图像。6.根据权利要求1所述的方法，其特征在于，所述对所述不完善粒类别识别模型进行训练，得到训练后的不完善粒类别识别模型，包括：确定针对所述不完善粒类别识别模型的损失函数；获取用于模型训练的多个样本图像数据，以及每个所述样本图像数据的标签信息；将所述样本图像数据输入所述不完善粒类别识别模型，...
【专利技术属性】
技术研发人员：武勇，蒋光好，张崴，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。