[發(fā)明專利]一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510438672.5
• 申請(qǐng)日: 2015-07-24
• 公開（公告）號(hào): CN105139023B
• 公開（公告）日: 2018-12-25
• 發(fā)明（設(shè)計(jì)）人: 柯逍;杜明智;周銘柯
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 蔡學(xué)俊

本發(fā)明涉及一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法，通過對(duì)樣本種子圖像的多尺度局部HOG特征以及全局分布的HSV特征進(jìn)行融合提取，利用ELM極限學(xué)習(xí)機(jī)進(jìn)行特征訓(xùn)練，得出集成分類模型，對(duì)待測(cè)試的種子圖像采用滑動(dòng)窗口機(jī)制，對(duì)其進(jìn)行多尺度的融合特征提取，并將結(jié)果輸入到該模型中，并通過對(duì)分類結(jié)果進(jìn)行加權(quán)投票表決，進(jìn)而得出待測(cè)試種子圖像的分類信息。本發(fā)明所提出的一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法，簡單靈活，設(shè)備要求簡單，并且具有較強(qiáng)的實(shí)用性。

技術(shù)領(lǐng)域

本發(fā)明涉及基于機(jī)器視覺的種子識(shí)別領(lǐng)域，特別是一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法。

背景技術(shù)

種子是農(nóng)業(yè)生產(chǎn)中最基本的生產(chǎn)資料，是一切農(nóng)業(yè)生產(chǎn)的基礎(chǔ)。種子的準(zhǔn)確、快速鑒別對(duì)生產(chǎn)具有重要的指導(dǎo)意義。國內(nèi)外種子鑒別常用的方法主要有熒光掃描鑒定法、化學(xué)鑒定法和電泳鑒定法。這些方法需要較強(qiáng)的專業(yè)背景知識(shí)和較長的鑒別時(shí)間并且會(huì)對(duì)種子產(chǎn)生一定損傷。因此，如何對(duì)農(nóng)作物種子類別進(jìn)行無損、快速鑒別是一個(gè)重要的研究方向。近年來，隨著機(jī)器學(xué)習(xí)的快速發(fā)展，國內(nèi)外已有許多學(xué)者將機(jī)器學(xué)習(xí)應(yīng)用于農(nóng)產(chǎn)品種子自動(dòng)檢測(cè)上。與人的視覺相比，基于機(jī)器視覺的農(nóng)產(chǎn)品自動(dòng)檢測(cè)具有檢測(cè)速度快、識(shí)別精度高以及無損傷等特點(diǎn)。總的來說，基于機(jī)器視覺的種子識(shí)別具有如下優(yōu)點(diǎn)：

1)無損傷測(cè)量，對(duì)于測(cè)試的種子對(duì)象或者觀察者本身均不會(huì)產(chǎn)生任何損傷，從而提高了系統(tǒng)的安全性。

2)客觀性強(qiáng)，能夠定量描述所需的測(cè)試指標(biāo)，避免了因人為主觀因素而產(chǎn)生的測(cè)量誤差，提高了對(duì)象識(shí)別的準(zhǔn)確率。

3)計(jì)算機(jī)視覺信號(hào)易于處理，并且能夠?qū)Ａ康男畔⑦M(jìn)行無間斷處理，可以快速完成對(duì)種子的分析和識(shí)別任務(wù)。

從機(jī)器視覺的角度出發(fā)，一般來說，對(duì)于玉米種子的識(shí)別研究上，主要是先提取種子的顏色類，形態(tài)類等外觀特征，然后通過諸如貝葉斯分類器、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等分類器對(duì)玉米種子進(jìn)行識(shí)別。

如：楊蜀秦、寧紀(jì)鋒和何東健將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到玉米品種的識(shí)別研究中。他分析了玉米籽粒的形態(tài)特征，將提取的玉米籽粒形狀、尺寸、顏色等相關(guān)的結(jié)構(gòu)特征放入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了分類識(shí)別，但是利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練所需的時(shí)間較長，并且最終的識(shí)別準(zhǔn)確率并不高。王宏勇，侯慧芳，劉素華將遺傳算法和支持向量機(jī)相結(jié)合用于玉米種子的分類識(shí)別。利用遺傳算法將玉米種子圖像的特征信息提取到支持向量機(jī)進(jìn)行訓(xùn)練分類，從而實(shí)現(xiàn)對(duì)玉米品種進(jìn)行識(shí)別，該方法綜合識(shí)別率較高，但是檢測(cè)的時(shí)間和所消耗的空間也較高。黃敏等利用高光譜反射圖像處理技術(shù)，提取了玉米種子在563.6～911.4nm共55個(gè)波段范圍內(nèi)的12個(gè)形狀特征信息，對(duì)9個(gè)品種約432粒玉米種子，獲得了測(cè)試集內(nèi)93.98％的識(shí)別精度。此外，黃敏等也采用過光譜圖像特征法對(duì)玉米種子品種的單粒識(shí)別問題進(jìn)行了研究，在玉米種子測(cè)試集數(shù)據(jù)內(nèi)也取得了較高的識(shí)別精度。但這些研究都是基于單一特征的識(shí)別模型、識(shí)別數(shù)目較少、并且需要專門的硬件設(shè)備。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法，以克服現(xiàn)有技術(shù)中存在的缺陷，并實(shí)現(xiàn)對(duì)待測(cè)試種子的快速準(zhǔn)確識(shí)別。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于多尺度特征融合和極限學(xué)習(xí)機(jī)的種子識(shí)別方法，其特征在于，按照如下步驟實(shí)現(xiàn)：

步驟S1：對(duì)圖像數(shù)據(jù)集中樣本種子圖像的多尺度局部HOG特征以及全局分布的HSV特征進(jìn)行多尺度融合特征提取，獲取樣本種子圖像的多尺度融合特征信息；

步驟S2：采用ELM(Extreme Learning Machine)極限學(xué)習(xí)機(jī)的交叉驗(yàn)證訓(xùn)練對(duì)樣本種子圖像的多尺度融合特征信息進(jìn)行特征訓(xùn)練，建立集成分類模型；