[發明專利]一種農作物分析系統和分析方法

在審

• 申請號: 202011541377.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112560749A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 武勇;武祥;周金旺;范冬冬;范磊;丁益文;董軍軍;仇國慶
• 申請（專利權）人: 安徽高哲信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06Q10/04;G06Q10/06;G06Q50/02;G06T17/00;G06N3/04;G06N3/08
• 代理公司: 合肥市長遠專利代理事務所(普通合伙) 34119
• 代理人: 劉勇

1.一種農作物分析系統，其特征在于，包括質量分析子系統，所述質量分析子系統包括

農作物圖像處理模塊，用于處理包含多粒農作物信息的掃描圖像，分析出圖像中農作物的形狀、類別信息；

農作物質量判定模塊，用于預測多粒農作物的實際質量，基于強監督學習技術，依據多粒農作物的形狀和所屬類別信息結合所述的樣本標注子系統提供的標注信息，推算出農作物的實際質量。

2.根據權利要求1所述的一種農作物分析系統，其特征在于，所述農作物圖像處理模塊包括

圖像掃描設備，用于對設定量的農作物樣本進行多角度的圖像掃描；

圖像處理單元，用于對農作物外表掃描圖像做圖像處理，包括圖像歸一化、多圖像匹準，計算出圖像中多粒農作物的形狀和所屬類別信息。

3.根據權利要求1所述的一種農作物分析系統，其特征在于，還包括形狀分析子系統，所述形狀分析子系統包括

計算機視覺處理模塊，用于獲取多角度的農作物外表掃描圖像，對農作物外表掃描的圖像做圖像預處理，獲得單個農作物的圖像；

人工智能處理模塊，用于對所述農作物的圖像進行處理獲得圖像的高維特征值并進行統計組合獲得多個維度特征值，進而計算出農作物在圖像中的模板信息，最后依據模板信息擬合并顯示出農作物的輪廓信息。

4.根據權利要求3所述的一種農作物分析系統，其特征在于，所述計算機視覺處理模塊包括依次設置的

圖像掃描設備，用于對設定量的農作物樣本進行圖像掃描，獲得多角度的農作物外表掃描圖像；

圖像處理單元，用于對農作物外表掃描圖像做圖像預處理，最終將多顆農作物的圖像分割成多張單個農作物的圖像；所述圖像處理單元包括濾波算法子單元和邊緣信號增強子單元，所述濾波算法子單元用于濾除圖像中干擾信號，所述邊緣信號增強子單元用于多角度的農作物外表掃描圖像的配準。

5.根據權利要求4所述的一種農作物分析系統，其特征在于，所述人工智能處理模塊包括依次設置的

深度卷積網絡模型，用于將獲取的單個農作物的圖像轉換成圖像對應的高維特征值；

神經網絡單元，用于統計所述高維特征值，并組合形成多個維度特征值；

計算顯示單元，用于根據多個維度特征值計算出農作物在所述圖像中的模板信息，并依據模板信息擬合并顯示出農作物的輪廓信息。

6.根據權利要求5所述的一種農作物分析系統，其特征在于，所述深度卷積網絡模型還包括通道剪枝子單元，用于壓縮圖像的冗余特征通道。

7.一種農作物分析方法，其特征在于，對質量的分析包括以下步驟：

S1、農作物圖像處理模塊處理記錄多粒農作物信息的掃描圖像，分析出圖像中多個農作物的形狀、類別信息；

S2、農作物質量判定模塊通過多粒農作物的形狀和所屬類別信息結合標注信息，基于強監督學習技術，訓練農作物質量判定模塊；

S3、農作物質量判定模塊訓練完成后，接收農作物圖像處理模塊輸出的多粒農作物的形狀和所屬類別信息，輸出農作物的質量信息。

8.根據權利要求7所述的一種農作物分析方法，其特征在于，對質量的分析的步驟S1具體包括以下步驟：

S11、圖像掃描設備對設定量的農作物樣本進行多角度的圖像掃描；

S12、圖像處理單元，用于對農作物外表掃描圖像做圖像處理，包括圖像歸一化、多圖像匹準，計算出圖像中多粒農作物的形狀和所屬類別信息。

9.根據權利要求7所述的一種農作物分析方法，其特征在于，還包括對形狀分析，具體包括以下步驟：

S1、獲取多個角度的農作物外表掃描圖像后，對外表掃描的圖像做圖像預處理，然后獲得單個農作物的圖像；

S2、對所述農作物的圖像進行處理獲得圖像的高維特征值并進行統計組合獲得多個維度特征值，進而計算出農作物在圖像中的模板信息，最后依據模板信息擬合并顯示出農作物的輪廓信息。

10.根據權利要求9所述的一種農作物分析方法，其特征在于，形狀分析中步驟S1具體包括步驟：

S11、所述計算機視覺處理模塊中的圖像掃描設備對設定量的農作物樣本進行圖像掃描，獲得多角度的農作物外表掃描圖像；

S12、所述計算機視覺處理模塊中的圖像處理單元對農作物外表掃描圖像做圖像預處理，最終將多顆農作物的圖像分割成多張單個農作物的圖像；所述圖像處理單元包括濾波算法和邊緣信號增強算法，濾波算法濾除圖像中的干擾信號，邊緣信號增強算法用于多角度的農作物外表掃描圖像的配準；

步驟S12中的分割方法具體為：

S121、對農作物外表掃描圖像進行標注；

S122、對深度卷積網絡模型的目標檢測模塊訓練；獲得深度卷積網絡模型后，用基于pycaffe的訓練框架對標注數據進行訓練，獲得模型權重；

S123、深度卷積網絡模型進行尋優處理，獲得最優模型；

S124、使用最優模型處理采樣圖像，得到圖像中多個單顆農作物圖像；

S125、對單個農作物的圖像樣本進行形狀分析；

步驟S123中，尋優處理的具體步驟為：

S1231、選定尋優數據集；

S1232、設定好評價標準；

S1233、深度學習模型的權重集合依次在尋優數據集上推理，得到性能指標最高的模型。