[發明專利]顆粒狀農作物不完善粒檢測方法及系統

有效

• 申請號: 202010564912.7
• 申請日: 2020-06-19
• 公開（公告）號: CN111753707B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 柴新禹;陳堅品;李恒
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06Q50/02
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種顆粒狀農作物不完善粒檢測方法及系統，通過對農作物進行規整排列，采集農作物的上下側圖像信息進行預處理后，通過分類模型進行圖像分類，從而得到對應的農作物不完善粒分類報告，同時，根據圖像分類結果生成相應的不完善粒分揀提示陣列圖像，依此進行農作物不完善粒分揀收集；本發明利用基于深度學習的人工智能技術，構建分類模型，提高顆粒狀農作物不完善分類結果的準確性、可重復性和泛化性，可用于多種顆粒狀農作物的不完善粒檢測，極大地縮短了檢測員的分揀時間，避免了篩選標準因人而異的缺點，也避免了因檢測員工作疲勞導致出錯率增加的問題。

技術領域

本發明涉及的是一種圖像處理應用領域的技術，具體是一種顆粒狀農作物不完善粒檢測方法及系統。

背景技術

現有目前顆粒狀農作物不完善粒檢測主要依靠人工視覺感官檢測，耗時長，且隨著檢測工作時間的增長可能會出現疲勞導致的出錯率增高，此外，每個檢測員的檢測標準存在主觀差異，導致同一批次樣本檢測結果不一致；還有一些研究機構利用傳統的圖像處理方法，對采集到的不完善粒農作物圖片，提取人工設計的特征并進行分析處理，以獲得不完善粒分類結果，然而不完善粒的圖像特征復雜且區域較小，此外，不同的不完善粒之間，視覺特征差異通常很小，因而此類方法在準確性、可重復性和泛化性上往往難以取得滿意的結果。

發明內容

本發明針對現有技術存在的上述不足，提出一種顆粒狀農作物不完善粒檢測方法及系統，利用基于深度學習的人工智能技術，構建分類模型，提高顆粒狀農作物不完善分類結果的準確性、可重復性和泛化性，可用于多種顆粒狀農作物的不完善粒檢測，極大地縮短了檢測員的分揀時間，避免了篩選標準因人而異的缺點，也避免了因檢測員工作疲勞導致出錯率增加的問題。

本發明是通過以下技術方案實現的：

本發明涉及一種顆粒狀農作物不完善粒檢測方法，通過對農作物進行規整排列，采集農作物的上下側圖像信息進行預處理后，通過分類模型進行圖像分類，從而得到對應的農作物不完善粒分類報告，同時，根據圖像分類結果生成相應的不完善粒分揀提示陣列圖像，依此進行農作物不完善粒分揀收集。

所述的規整排列是指：將顆粒狀的待測農作物整齊、均勻地排放且每一粒農作物之間互相不重疊。

所述的圖像采集，通過可以進行X、Y軸方向移動的承載顆粒狀農作物的載物臺及設置于其上方、下方的相機，來采集每一粒農作物的正反面，即上下側圖像信息。

所述的分類，包括但不限于完善粒和破碎粒、發芽粒、蟲蝕粒等不完善粒。

所述的圖像分類是指：對預處理后的上下側方圖像經初級特征提取分別得到上下側初級特征，通過關鍵區域放大得到關鍵區域放大圖，通過對關鍵區域放大圖進一步提取次級特征得到上下側次級特征，再對上下側初級特征和次級特征進行特征融合得到融合特征，最后損失函數單元通過接收的初級特征提取單元、關鍵區域放大單元、次級特征提取單元和特征融合單元的輸出，得出分類損失、中心損失和同粒損失并計算其加權和作為總損失函數，經過若干次反向傳播更新訓練后最終實現圖像分類。

所述的不完善粒分揀提示陣列圖像是指：通過不同顏色在圖像顯示設備上顯示出不同標記圖像，以此表示不同的完善度類別，顯示設備上每個標記圖像的類別和位置與每粒農作物的分類結果和位置對應，若干個標記圖像構成不完善粒分揀提示陣列圖像。

本發明涉及一種實現上述方法的系統，包括：農作物圖像采集裝置、圖像信息處理裝置和農作物輔助分揀裝置。

所述的農作物圖像采集裝置與圖像信息處理裝置相連，所述的圖像信息處理裝置還與所述的農作物輔助分揀裝置相連。