[發明專利]一種基于改進ResNet的小麥不完善粒在線檢測方法

在審

• 申請號: 202111166960.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113869251A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 高輝;甄彤;李智慧
• 申請（專利權）人: 河南工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/34;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進ResNet的小麥不完善粒在線檢測方法，其特征在于以下步驟：

(1)搭建小麥不完善粒圖像采集平臺；(2)在采集的原始圖像上，采用凹點掩膜的兩顆粒粘連小麥分割算法，將小麥分割成單籽粒；(3)數據集制作；(4)建立神經網絡模型，將小麥訓練集輸入到神經網絡中，得到訓練后的模型；(5)將小麥測試集輸入到模型中，實現小麥不完善粒的類別檢測；(6)依據各種類小麥的像素、密度等，建立基于國標質量比的小麥不完善粒率檢測方法。

2.根據權利要求1所述的方法，其特征在于以下步驟，(1)結合設備與算法的雙重優勢，利用垂直振動平臺，減少粘連顆粒數量，剩余小麥主要為兩顆粒粘連情況；(2)采用基于凹點掩膜的兩顆粒粘連小麥分割算法，解決粘連分割難題，實現小麥單粒化。

3.根據權利要求2所述的方法，其特征在于以下步驟，(1)對隨機分布的4g-8g混合小麥，進行圖像采集；(2)對采集的原始圖像進行灰度處理，采用雙邊濾波，消除圖像低頻噪聲，突出小麥邊緣及紋理特征，采用自適應閾值方法進行二值化處理，采用形態學開運算和閉運算對二值化圖像進行邊緣平滑，將小麥目標和背景分離；(4)設置小麥面積閾值7000，篩選出兩粒及以上的粘連顆粒，采用凸殼方法確定凹點位置，最小外接四邊形區域為凸殼區域，將凸殼區域與粘連小麥輪廓相減，即為缺陷區域，通過判斷區域缺陷個數，提取面積最大的連個部分，確定凹點位置，連接兩個凹點，實現兩顆粒粘連分割；(5)將未粘連或粘連分割后的單籽粒小麥圖像作為掩膜圖像，在原圖中進行掩膜處理，可將原圖中小麥分割出來；再利用旋轉最小外界矩形，找到實現小麥分割的最佳角度、高度和寬度等，最后將小麥裁剪為單籽粒圖像；(6)裁剪出的單籽粒小麥圖像基本都帶有多余部分，將二值化圖像中提取最大的輪廓作為掩膜，摒棄多余輪廓，并在裁剪后的單籽粒小麥圖像上進行掩膜處理，將最終得到的單籽粒圖像保存。

4.根據權利要求1所述的方法，其特征在于以下步驟，(1)對6個種類小麥籽粒，隨機挑選各800粒，總計4800粒小麥；通過將單籽粒圖像旋轉180°后提高亮度、加噪、鏡像后降低亮度等3種方式對圖像進行增強；(2)按照訓練集：驗證集為8：2的比例劃分數據集，建立訓練集圖像15360張，測試集圖像3840張。

5.根據權利要求1所述的方法，其特征在于以下步驟，(1)設計24層的ResNet模型，殘差模塊個數分別是2，3，4，2；(2)在前3層中引入密集連接，使用Concate操作，將主干每一層的輸出與密集連接的輸出拼接，跳躍連接的虛線結構無需再使用1*1卷積進行升維，將其替換為卷積核大小為3*3，步長為2的平均池化操作,將Conv、BN、Relu操作順序改變為BN、Relu、Conv；(3)在每層的最后一個Block中添加CBAM注意力機制；(4)在第3、4層的Block模塊中，加入采樣率分別為2、4的空洞卷積操作，并將第4層步長設為1，將7*7的感受野轉換為14*14。

6.根據權利要求1所述的方法，其特征在于以下步驟，(1)小麥質量計算公式為m＝psh,小麥高h忽略不計，將小麥完善粒的容重p設定為1，破損粒為0.6-0.8，病斑粒為0.95-0.99，生芽粒為0.95-0.99，生霉粒為0.58-0.78，蟲蝕粒為0.55-0.75；面積s在識別各種類小麥不完善粒的基礎上，利用像素數替代面積，分別計算出所有小麥的像素數、各種類小麥的像素數；分別計算出小麥的總質量和個小麥不完善粒的質量，最后求取小麥不完善粒率；(2)基于識別結果，使用softmax函數將輸出特征圖的像素值變為概率分布，并將最大概率值索引為小麥籽粒的預測概率，將6種小麥籽粒的預測類型和概率寫入圖像，并顯示；與此同時，將識別的小麥不完善率值顯示出來。