本发明专利技术属于蔬菜的人工智能育种技术领域，公开了一种蔬菜的人工智能育种方法。本发明专利技术通过对蔬菜种子图像进行增强处理方法采集到的蔬菜种子图像训练变分自编码网络，将待增强蔬菜种子图像送入变分自编码网络，获得多维特征分布，可以通过改变第一维度特征分布的采样值可以得到边缘梯度大小不同的蔬菜种子图像，提高了蔬菜种子图像细节区域的增强效果，可以准确地获得蔬菜种子图像的边缘和纹理信息；同时，通过对蔬菜种子图像进行分割方法利用第一蔬菜种子图像及其标注掩膜和待分割的第二蔬菜种子图像作为孪生深度学习网络的输入数据，通过孪生深度学习网络对输入数据进行处理获取第二蔬菜种子图像的精准分割结果。取第二蔬菜种子图像的精准分割结果。取第二蔬菜种子图像的精准分割结果。
【技术实现步骤摘要】
一种蔬菜的人工智能育种方法
[0001]本专利技术属于蔬菜的人工智能育种
，尤其涉及一种蔬菜的人工智能育种方法。
技术介绍
[0002]蔬菜育种是选育和繁殖植物优良品种或是改良蔬菜的遗传特性，以培育高产优质品种的技术，又称蔬菜品种改良。蔬菜育种是改进蔬菜经济性状的遗传模式的技术，是作物育种的重要组成部分；通过有性杂交育种、杂种优势利用及其他育种途径，我国已先后育成了各类蔬菜新品种2000多个。其中，20世纪80年代以来，育成并通过国家或省级农作物审定委员会审定、认定的蔬菜新品种1000多个。据不完全统计，我国各蔬菜主产区的主要蔬菜品种已普遍更新3
‑
4次，良种覆盖率达90％以上。鉴于许多蔬菜具有显著的杂种优势，表现丰产、抗病、抗逆、适应性广，主要经济性状表现整齐一致等优点，在近20年蔬菜育种实践中，杂种优势育种已成为重要的育种方法和途径；然而，现有蔬菜的人工智能育种方法筛选外观优良的蔬菜种子时采集的图像不清晰，影响筛选的准确性；同时，对蔬菜种子图像分割不准确影响对蔬菜种子的识别。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)现有蔬菜的人工智能育种方法筛选外观优良的蔬菜种子时采集的图像不清晰，影响筛选的准确性。
[0005](2)对蔬菜种子图像分割不准确影响对蔬菜种子的识别。
技术实现思路
[0006]针对现有技术存在的问题，本专利技术提供了一种蔬菜的人工智能育种方法。
[0007]本专利技术是这样实现的，一种蔬菜的人工智能育种方法包括：
[0008]步骤一，配置摄像设备参数，通过摄像设备采集蔬菜种子图像；对蔬菜种子图像进行增强处理；并对蔬菜种子图像进行分割，对蔬菜种子进行识别，筛选出外观优良的蔬菜种子；
[0009]步骤二，将选外观优良的蔬菜种子配制杂种一代，并通过种植获取杂种一代主要经济性状；将获取的经济性状数据输入计算机，建立数据库管理系统后进行数据的加工处理；然后通过对经济性状数据的分析和统计建立亲本与杂交一代形状相关关系的数学模型；
[0010]步骤三，根据亲本与杂交一代形状相关关系的数学模型选育出产量、品质、抗病性经济性状良好的品种。
[0011]进一步，所述对蔬菜种子图像进行增强处理方法如下：
[0012](1)构建蔬菜种子图集，将获取的蔬菜种子图像存入蔬菜种子图集；将待增强蔬菜种子图像送入变分自编码网络，获得多维特征分布；改变控制图像边缘梯度大小的特征分布的采样值得到边缘梯度不同的多张蔬菜种子图像；
[0013](2)根据边缘梯度不同的多张蔬菜种子图像和待增强蔬菜种子图像的差值获得差异影像序列；根据差异影像序列获得待增强蔬菜种子图像细节区域的遮罩影像；
[0014](3)根据细节区域的遮罩影像获得待增强蔬菜种子图像细节图；将待增强蔬菜种子图像细节区域的遮罩影像取反，得到非细节区域的遮罩影像；根据非细节区域的遮罩影像获得待增强蔬菜种子图像非细节图；根据待增强蔬菜种子图像细节图及非细节图进行加权融合，得到增强蔬菜种子图像；
[0015]所述根据差异影像序列获得待增强蔬菜种子图像细节区域的遮罩影像包括：计算差异影像序列中相邻两个元素的交并比；根据序列对应的交并比变化趋势，确定交并比趋于平稳时的序列元素为待增强蔬菜种子图像细节区域的遮罩影像。
[0016]进一步，所述变分自编码网络的训练过程包括两次训练：
[0017]第一次训练过程中，选取变分自编码网络编码端输出的一个维度记为第一维度特征分布，固定第一维度特征分布的采样值，对其他维度特征分布的采样值不做控制；第一次训练用于约束解码端输出蔬菜种子图像的边缘梯度不发生变化；
[0018]第二次训练过程中，固定除第一维度特征分布以外其他维度特征分布的采样值，改变第一维度特征分布的采样值；第二次训练用于约束解码端输出蔬菜种子图像的边缘梯度变化与第一维度特征分布的采样值呈正相关；变分自编码网络收敛时，第一维度特征分布即为控制图像边缘梯度大小的维度。
[0019]进一步，所述根据边缘梯度不同的多张蔬菜种子图像和待增强蔬菜种子图像的差值获得差异影像序列包括：计算边缘梯度不同的蔬菜种子图像和待增强蔬菜种子图像的对应像素的差值绝对值，得到差值图像；对每张差值图像进行阈值化操作获得二值图像；所有二值图像组成的序列为差异影像序列。
[0020]进一步，所述根据待增强蔬菜种子图像细节图及非细节图进行加权融合，得到增强蔬菜种子图像：分别获得待增强蔬菜种子图像的细节图和非细节图的梯度图像和平均梯度；根据所得平均梯度获得加权系数；根据加权系数对待增强蔬菜种子图像的细节图和非细节图进行加权融合，得到增强蔬菜种子图像。
[0021]进一步，所述对蔬菜种子图像进行分割方法如下：
[0022]1)获取待分割的蔬菜种子图像；从所述蔬菜种子图像中获取至少一张蔬菜种子图像作为第一蔬菜种子图像，从所述蔬菜种子图像中获取另外的至少两张蔬菜种子图像作为第二蔬菜种子图像；
[0023]2)获取所述第一蔬菜种子图像的标注掩膜；利用蔬菜种子图像分割模型对所述第一蔬菜种子图像及其标注掩膜和所述第二蔬菜种子图像进行处理，以获取所述第二蔬菜种子图像的分割结果，其中，所述蔬菜种子图像分割模型为训练好的孪生深度学习网络。
[0024]进一步，所述第一蔬菜种子图像的数量少于所述第二蔬菜种子图像。
[0025]进一步，所述对所述第一蔬菜种子图像及其标注掩膜和所述第二蔬菜种子图像进行处理包括：
[0026]对所述第一蔬菜种子图像及其标注掩膜和所述第二蔬菜种子图像进行放缩处理以使三者的尺寸与所述蔬菜种子图像分割模型相匹配；
[0027]利用所述蔬菜种子图像分割模型对所述第一蔬菜种子图像及其标注掩膜和所述第二蔬菜种子图像进行处理，以获取所述第二蔬菜种子图像的预测掩膜；
[0028]对所述第二蔬菜种子图像的预测掩膜进行放缩处理以使所述第二蔬菜种子图像的预测掩膜的尺寸与所述第二蔬菜种子图像的原始尺寸相匹配。
[0029]进一步，所述蔬菜种子图像分割模型的训练方法包括：
[0030]获取训练蔬菜种子图像；
[0031]根据所述训练蔬菜种子图像获取支持图像、支持掩膜、问询图像和问询掩膜，其中，所述支持掩膜是指所述支持图像中对象的掩膜，所述问询掩膜是指所述问询图像中所述对象的掩膜；
[0032]利用所述蔬菜种子图像分割模型对所述支持图像和所述问询图像进行处理以获取支持特征和问询特征；
[0033]根据所述支持特征、所述问询特征、所述支持掩膜和所述问询掩膜对所述蔬菜种子图像分割模型进行训练。
[0034]进一步，所述根据所述训练蔬菜种子图像获取支持图像、支持掩膜、问询图像和问询掩膜包括：
[0035]从所述训练蔬菜种子图像中获取至少两张蔬菜种子图像作为所述支持图像；
[0036]获取所述支持图像中所述对象的掩膜作为所述支持掩膜；
[0037]对所述支持图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种蔬菜的人工智能育种方法，其特征在于，所述蔬菜的人工智能育种方法包括以下步骤：步骤一，配置摄像设备参数，通过摄像设备采集蔬菜种子图像；对蔬菜种子图像进行增强处理；并对蔬菜种子图像进行分割，对蔬菜种子进行识别，筛选出外观优良的蔬菜种子；步骤二，将选外观优良的蔬菜种子配制杂种一代，并通过种植获取杂种一代主要经济性状；将获取的经济性状数据输入计算机，建立数据库管理系统后进行数据的加工处理；然后通过对经济性状数据的分析和统计建立亲本与杂交一代形状相关关系的数学模型；步骤三，根据亲本与杂交一代形状相关关系的数学模型选育出产量、品质、抗病性经济性状良好的品种。2.如权利要求1所述蔬菜的人工智能育种方法，其特征在于，所述对蔬菜种子图像进行增强处理方法如下：(1)构建蔬菜种子图集，将获取的蔬菜种子图像存入蔬菜种子图集；将待增强蔬菜种子图像送入变分自编码网络，获得多维特征分布；改变控制图像边缘梯度大小的特征分布的采样值得到边缘梯度不同的多张蔬菜种子图像；(2)根据边缘梯度不同的多张蔬菜种子图像和待增强蔬菜种子图像的差值获得差异影像序列；根据差异影像序列获得待增强蔬菜种子图像细节区域的遮罩影像；(3)根据细节区域的遮罩影像获得待增强蔬菜种子图像细节图；将待增强蔬菜种子图像细节区域的遮罩影像取反，得到非细节区域的遮罩影像；根据非细节区域的遮罩影像获得待增强蔬菜种子图像非细节图；根据待增强蔬菜种子图像细节图及非细节图进行加权融合，得到增强蔬菜种子图像；所述根据差异影像序列获得待增强蔬菜种子图像细节区域的遮罩影像包括：计算差异影像序列中相邻两个元素的交并比；根据序列对应的交并比变化趋势，确定交并比趋于平稳时的序列元素为待增强蔬菜种子图像细节区域的遮罩影像。3.如权利要求2所述蔬菜的人工智能育种方法，其特征在于，所述变分自编码网络的训练过程包括两次训练：第一次训练过程中，选取变分自编码网络编码端输出的一个维度记为第一维度特征分布，固定第一维度特征分布的采样值，对其他维度特征分布的采样值不做控制；第一次训练用于约束解码端输出蔬菜种子图像的边缘梯度不发生变化；第二次训练过程中，固定除第一维度特征分布以外其他维度特征分布的采样值，改变第一维度特征分布的采样值；第二次训练用于约束解码端输出蔬菜种子图像的边缘梯度变化与第一维度特征分布的采样值呈正相关；变分自编码网络收敛时，第一维度特征分布即为控制图像边缘梯度大小的维度。4.如权利要求2所述蔬菜的人工智能育种方法，其特征在于，所述根据边缘梯度不同的多张蔬菜种子图像和待增强蔬菜种子图像的差值获得差异影像序列包括：计算边缘梯度不同的蔬菜种子图像和待增强蔬菜种子图像的对应像素的差值绝对值，得到差值图像；对每张差值图像进行阈值化操作获得二值图像；所有二值图像组成的序列为差异影像序列。5.如权利要求2所述蔬菜的人工智能育种方法，其特征在于，所述根据待增强蔬菜种子图像细节图及非细节图进行加权...
【专利技术属性】
技术研发人员：康云艳，杨暹，柴喜荣，赵普艳，钟珉，
申请(专利权)人：华南农业大学，
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。