[發明專利]種子品種識別方法及裝置

有效

• 申請號: 201710005012.7
• 申請日: 2017-01-04
• 公開（公告）號: CN106841054B
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 朱啟兵;郭東生;黃敏;郭亞
• 申請（專利權）人: 江南大學
• 主分類號: G01N21/27
• 分類號: G01N21/27
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 聶啟新

1.一種種子品種識別方法，其特征在于，所述方法包括：

獲取測試集中每個樣本種子在P個波段下的P個高光譜圖像；

針對每個所述樣本種子，根據所述P個高光譜圖像獲取特征參數；

將所述特征參數輸入分類模型，得到每個所述樣本種子的預測品種；

根據所述預測品種從所述測試集中選取出預定樣本種子，并根據所述預定樣本種子更新所述分類模型；

利用更新后的所述分類模型識別出所述測試集中所述樣本種子的品種；

其中，所述根據所述預測品種從所述測試集中選取出預定樣本種子，并根據所述預定樣本種子更新所述分類模型，包括：

根據所述預測品種將所述樣本種子分成若干個類別；每個所述類別中的樣本種子的所述預測品種相同；

計算出每個類別的類中心；

計算每個類別中的各個所述樣本種子與所述類中心之間的距離；

針對每個所述類別，將所述樣本種子按所述距離從小到大的順序排列；

將每個所述類別中的前n個樣本種子作為所述預定樣本種子，并將所述預定樣本種子對應的所述特征參數從全部的所述特征參數中刪除；

將所述預定樣本種子添加入訓練集得到新的所述訓練集；

利用所述新的所述訓練集更新所述分類模型；

檢測預定條件是否成立；

若所述預定條件不成立，則重新執行所述將所述特征參數輸入分類模型，得到每個所述樣本種子的預測品種的步驟和所述根據所述預測品種從所述測試集中選取出預定樣本種子，并根據所述預定樣本種子更新所述分類模型的步驟；

所述預定條件為大于等于預定閾值，或者，所述預定條件為執行所述將所述特征參數輸入分類模型，得到每個所述樣本種子的預測品種的步驟和所述根據所述預測品種從所述測試集中選取出預定樣本種子，并根據所述預定樣本種子更新所述分類模型的步驟的次數達到預定次數；Num_j(i)為第i次重復時和第i-1次重復時都被確定第j個類別的樣本種子的數量，Num_j(i-1)為所述第i次重復時被確定為所述第j個類別的樣本種子的數量。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

若所述預定條件成立，則執行所述利用更新后的所述分類模型識別出所述測試集中所述樣本種子的品種的步驟。

3.根據權利要求1所述的方法，其特征在于，所述計算每個類別中的所述樣本種子與所述類中心之間的距離，包括：

利用公式計算所述樣本種子與所述類中心之間的距離；

其中，d為向量的維數。

4.根據權利要求1至3任一所述的方法，其特征在于，所述根據所述P個高光譜圖像獲取特征參數，包括：

獲取所述樣本種子在預定波段下的高光譜圖像；

對所述在預定波段下的高光譜圖像進行圖像分割，得到所述樣本種子的輪廓曲線；

將所述輪廓曲線投影到所述P個波段，從所述P個高光譜圖像中得到P個種子輪廓圖像；

根據所述種子輪廓圖像，獲取每個波段對應的所述樣本種子的光譜均值特征，所述光譜均值特征是所述種子輪廓圖像中所有像素點的反射光強的平均值；

將所述P個波段對應的P個所述光譜均值特征作為特征參數。

5.一種種子品種識別裝置，其特征在于，所述裝置用于執行權利要求1至4任一所述的方法。