[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

本發明提供一種玉米果穗機械損傷區域識別方法，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候選區域小塊中的機械損傷區域。本發明提供的一種玉米果穗機械損傷區域識別方法，通過支持向量機在玉米果穗圖像中選出候選區域，并通過卷積神經網絡模型進行進一步識別，能快速、準確地識別玉米果穗機械損傷區域，提高了玉米果穗機械損傷區域識別的速度和準確度，滿足玉米考種需求。

技術領域

本發明涉及模式識別技術領域，更具體地，涉及一種玉米果穗機械損傷區域識別方法。

背景技術

目前，玉米果穗機械損傷區域識別是玉米果穗缺陷檢測中的基礎項目。玉米果穗在機械采收運輸過程中不可避免的會產生機械損傷，人工評判玉米果穗機械損傷狀況工作量大，難以量化，一般只能給出機械損傷狀況分級。

利用計算機視覺對玉米果穗機械損傷區域進行識別可以很好地代替人工勞動力，有效提高識別效率。基于機器學習進行玉米果穗圖像機械損傷區域的自動識別主要問題在于容易受到光照影響，將高光區域錯分為機械損傷區域，導致較低的分類精度。

發明內容

為了克服現有玉米果穗機械損傷區域識別技術存在的識別準確度不高的不足，本發明提供一種玉米果穗機械損傷區域識別方法。

本發明提供一種玉米果穗機械損傷區域識別方法，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中的機械損傷區域。

優選地，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候選區域。

優選地，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確定所述候選區域小塊中的機械損傷區域。

優選地，所述歸一化特征根據顏色特征和紋理特征生成。

優選地，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。

優選地，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。

優選地，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。

優選地，所述步驟S1之前還包括：S0、對玉米果穗圖像進行預處理。

優選地，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。

優選地，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。