[發明專利]一種玉米果穗機械損傷區域識別方法在審
| 申請號: | 201810403342.6 | 申請日: | 2018-04-28 |
| 公開(公告)號: | CN108665450A | 公開(公告)日: | 2018-10-16 |
| 發明(設計)人: | 馬欽;張秦川;朱德海;張曉東;崔雪蓮;楊玲 | 申請(專利權)人: | 中國農業大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62;G01N21/88 |
| 代理公司: | 北京路浩知識產權代理有限公司 11002 | 代理人: | 王瑩;吳歡燕 |
| 地址: | 100193 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 玉米果穗 機械損傷 區域識別 圖像小塊 候選區域 卷積神經網絡 支持向量機 小塊 圖像 準確度 模型確定 數據集中 歸一化 數據集 考種 玉米 | ||
1.一種玉米果穗機械損傷區域識別方法,其特征在于,包括:
S1、將玉米果穗圖像分成圖像小塊,獲取玉米果穗圖像小塊數據集;
S2、根據所述圖像小塊數據集中各圖像小塊的歸一化特征,利用支持向量機確定候選區域小塊;
S3、利用卷積神經網絡模型確定所述候選區域小塊中的機械損傷區域。
2.根據權利要求1所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S2進一步包括:
S21、提取所述圖像小塊數據集的訓練集中各圖像小塊的所述歸一化特征,對所述支持向量機進行訓練;
S22、利用訓練完成的所述支持向量機確定所述測試集中的所述候選區域小塊。
3.根據權利要求2所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S3進一步包括:
S31、根據所述訓練集調整所述卷積神經網絡模型的權值,訓練所述卷積神經網絡模型;
S32、根據訓練完成的所述卷積神經網絡模型確定所述候選區域小塊中的機械損傷區域。
4.根據權利要求1所述的玉米果穗機械損傷區域識別方法,其特征在于,所述歸一化特征根據顏色特征和紋理特征生成。
5.根據權利要求4所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S21具體包括:
獲取所述訓練集中各圖像小塊的所述歸一化特征的值,將所述訓練集中的各圖像小塊映射為特征空間中的點;所述特征空間由所述歸一化特征構成;
根據所述訓練集確定所述候選區域的劃分平面;
在所述特征空間中,位于所述劃分平面第一側的點對應包含正常區域的圖像小塊,位于所述劃分平面第二側的點包含對應機械損傷區域的圖像小塊。
6.根據權利要求5所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S22具體包括:
獲取所述訓練集中各圖像小塊的所述歸一化特征的值,將所述測試集中的各圖像小塊映射為特征空間中的點;
將所述特征空間中,位于所述劃分平面第二側的點對應的圖像小塊確定為所述候選區域小塊。
7.根據權利要求3所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S32具體包括:
將所述候選區域小塊輸入所述訓練完成的所述卷積神經網絡模型,獲取所述候選區域小塊的分類概率值;
將所述分類概率值大于概率閾值的所述候選區域小塊確定為機械損傷區域。
8.根據權利要求1-7任一所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S1之前還包括:
S0、對玉米果穗圖像進行預處理。
9.根據權利要求8所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S0進一步包括:
S01、擴充玉米果穗圖像數據集包含的玉米果穗角度和亮度范圍;
S02、對擴充后的玉米果穗圖像數據集進行圖像增強。
10.根據權利要求9所述的玉米果穗機械損傷區域識別方法,其特征在于,所述步驟S02具體包括:
采用至少一種基于Retinex理論的算法,對擴充后的玉米果穗圖像數據集進行圖像增強。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國農業大學,未經中國農業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810403342.6/1.html,轉載請聲明來源鉆瓜專利網。





