基于分层双线性池化模型的种子识别方法、设备及介质技术

本发明专利技术涉及种子识别技术领域，具体涉及基于分层双线性池化模型的种子识别方法、设备及介质。方法包括：采集各类别的入侵植物种子的图像数据；获取ResNet

【技术实现步骤摘要】
基于分层双线性池化模型的种子识别方法、设备及介质


[0001]本专利技术涉及种子识别
，具体涉及基于分层双线性池化模型的种子识别方法。

技术介绍

[0002]随着经济全球化的快速发展，外来植物的入侵形势日益严峻，海关口岸的检验检疫工作作为阻止外来植物入侵的第一道关口，是外来入侵植物防治管理中最关键的一环。而海关口岸对于外来入侵植物防治的主要工作就是进行入侵植物种子的鉴定分类。然而，与普通细粒度图像识别不同，植物种子在不同物种和个体之间可能存在较大的多样性和变异性。这意味着相同物种的种子在形态上可能存在较大的差异，而不同物种之间的种子形态也可能非常相似，这增加了海关工作人员对入侵植物种子分类识别的挑战。
[0003]传统的植物种子分类识别的方式主要有三种：其一，由专家参与，利用显微镜或者扫描电镜来进行目测分类，依赖专家的主观经验，存在鉴别成本高、鉴别速度慢等技术缺陷；其二，利用物理方法，通过测量入侵植物种子的体积、重量等进行入侵植物种子的分类收集，但这需要高精度的测量设备，同时筛选效果相对较差，准确率较低；其三，当无法根据入侵植物种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分层双线性池化模型的种子识别方法，其特征在于，包括以下步骤：步骤101，采集各类别的入侵植物种子的图像数据，并对所述图像数据进行预处理；步骤102，获取ResNet
‑
50的网络结构，以ResNet
‑
50作为主干网络构建分层双线性池化模型，所述分层双线性池化模型的输入为入侵植物种子的图像数据，输出为种子的识别结果；步骤103，使用预处理后的图像数据对所述分层双线性池化模型进行训练，并对训练后的分层双线性池化模型进行微调，得到种子识别模型；步骤104，将待识别的种子图像数据输入所述种子识别模型，得到对应的种子识别结果。2.如权利要求1所述的基于分层双线性池化模型的种子识别方法，其特征在于，步骤102中，以ResNet
‑
50作为主干网络构建分层双线性池化模型的方法包括：移除ResNet
‑
50的全连接层，将处理后的ResNet
‑
50作为特征提取网络；将两个并列的特征提取网络与双线性池化层的输入端连接，双层线性池化层的输出端与输出层连接，构成分层双线性池化模型的网络结构。3.如权利要求2所述的基于分层双线性池化模型的种子识别方法，其特征在于，步骤103中，使用预处理后的图像数据对所述分层双线性池化模型进行训练的方法包括：步骤201，将预处理后的图像数据依次输入到两个并列的特征提取网络中，输出两个特征提取网络的最后三个卷积层的特征；步骤202，双线性池化层将两个特征提取网络输出的特征通过线性映射扩展为高维特征，得到两组相同维度的高维特征；步骤203，对两组高维特征通过哈达玛积的方法进行集成，得到若干个集成后的高维特征，并将若干个集成后的高维特征拼接，生成一个特征向量；步骤204，所述特征向量作为输出层的输入，输出层使用softmax激活函数对特征向量进行分类，输出所述特征向量的分类结果。4.如权利要求3所述的基于分层双线性池化模型的种子识别方法，其特征在于，作为特征提取网络的ResNet
‑
50中的激活函数为SiLU函数。5.如权利要求4所述的基于分层双线性池化模型的种子识别方法，其特征在于，定义两个特征提取网络输出的最后三个卷积层的特征分别为s...

【专利技术属性】
技术研发人员：祁哲晨，杨良海，王瑞红，鹿启祥，刘永辉，闫小玲，严靖，
申请(专利权)人：上海辰山植物园，
类型：发明
国别省市：