[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

本發明涉及一種基于改進ResNet的小麥不完善粒在線檢測方法。該方法通過搭建小麥不完善粒圖像采集平臺，建立基于凹點掩膜的兩顆粒粘連小麥分割算法，結合設備與算法的雙重優勢，將混合小麥進行單粒化；通過圖像旋轉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，建立數據集；通過減少網絡層數，引入密集連接，添加注意力機制，加入空洞卷積，增加感受野等方式，構建基于改進ResNet的小麥不完善粒檢測模型；利用小麥圖像的像素、容重等，建立基于國標質量比的小麥不完善粒率的檢測方法，為小麥市場流通中的質量評價作出科學依據。

技術領域

本發明涉及小麥不完善粒檢測領域，利用設備與算法的各自優勢解決小麥粘連問題，然后采用改進ResNet網絡對小麥不完善粒進行識別，最后依據面積建立基于國標質量比的小麥不完善粒率的檢測。

背景技術

小麥不完善粒，其影響表現在：淀粉理化特性、蛋白含量、面筋結構、尿酸含量的變化，造成加工制品產生異味，顏色變暗，污染和品質劣變；甚至真菌毒素的不斷積累，嚴重危害人畜健康；生芽粒、霉變粒的增多，造成小麥容重降低；在小麥收購與市場流通環節，采用容重作為小麥的定級指標，以不完善粒作為品質的限制指標，并作為增扣量的依據。

小麥不完善粒的檢測主要存在于糧庫、加工廠及質檢中心等，技術主要停留在人工檢測，對不完善粒認識上的偏差、疲勞等，極易造成定級誤差；檢測人員存在串通舞弊風險，具有很大的不確定性；在小麥容重、水分等實現智能化快速檢測的情況下，不完善粒檢測效率的低下將直接影響整批糧食的收購進度。

基于計算機視覺的小麥不完善粒檢測主要包括傳統機器學習方法和深度學習方法，傳統機器學習方法依賴人的先驗知識，特證間相互關聯，造成冗余等，已無法滿足對外觀品質快速、準確評定的需要。深度學習在小麥不完善粒檢測領域的應用，進一步提高檢測精度與速度。目前使用的分類網絡以LeNet-5、AlexNet、VGG-Net、GoogleNet、ResNet等基礎模型為主，已經應用于玉米、大米、小麥等研究領域，但伴隨對象、場景、方法的不同，基礎網絡往往無法達到最優，造成結果不準確。

在實際檢測中，小麥小麥不完善粒的圖像采集設備及分割方法嚴重制約其識別效率。主流圖像采集方法分為：通過籽粒震蕩掉落方式；固定單個籽粒于獨立空洞的方式；利用傳動裝置將籽粒進行震蕩分離、線性掃描的方式。由此可見，更多的不完善粒檢測都是比較依賴設備，雖降低分割難度，但對設備精度、硬件成本要求更高。更有學者拋棄設備的研究，將小麥靠人工一粒粒整齊的擺放在圖像采集平臺上，或者傾向于單種類識別，完全脫離實際場景下的小麥粘連、隨機性等。除此之外，在識別結果的基礎上，多數研究直接采用個數比代替質量比，計算不完善粒率，造成誤差較大。

發明內容

本發明的目的是提供集中基于改進ResNet的小麥不完善粒在線檢測方法，以解決現有技術中單純依賴設備、識別速度慢、精度低、脫離實際的問題。

為實現上述目的，本發明采用如下技術方案：

步驟1：搭建小麥不完善粒圖像采集平臺；

步驟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；

步驟3：數據集制作；

步驟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；

步驟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；

步驟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。