[发明专利]播种质量检测方法和装置

说明书

技术领域

本发明涉及图像识别技术领域，特别是涉及一种播种质量检测方法和装置。

背景技术

自动播种是农业自动化的一个重要环节。目前，自动播种已经处于实际应用阶段。国内外已有科研机构、企业研制了自动化的播种机，例如水稻播种机，极大地提高了农作物生产效率。

秧盘育秧质量是影响机械插秧质量的关键因素，在水稻自动播种之后，需要对秧盘里的播种效果进行检测，主要是判断种子撒播的均匀性。目前，对播种质量进行检测还处在人工处理阶段，人工成本高、效率低、费时多，误差大。

发明内容

基于此，有必要针对上述技术问题，提供一种播种质量检测方法和装置，能够自动对播种质量进行检测，节约成本，减少干扰提高检测效率，以及提高检测精度。

一种播种质量检测方法，包括：

通过对已标定类别的秧盘图像样本进行学习，确定分类器模型；

输入自动播种后的秧盘图像；

利用所述分类器模型对所述秧盘图像进行识别和分类。

在其中一个实施例中，所述通过对已标定类别的秧盘图像样本进行学习，确定分类器模型的步骤，包括：

输入已标定类别的秧盘图像样本，所述类别分为种子分布均匀和种子分布不均匀；

提取各秧盘图像样本对应的N维特征向量x_i，N>1，为整数；

根据秧盘图像样本集(x_i,y_i)，采用循环迭代，利用顺序最小优化算法获得支持向量机分类器模型y=sgn(w^Tx+b)中的参数w和b，其中x_i为N维特征向量，y_i为类别标识，y_i=1表示秧盘图像样本属于种子分布均匀类别，y_i=-1表示秧盘图像样本属于种子分布不均匀类别，w为N×1参数矩阵，sgn函数为符号函数。

在其中一个实施例中，所述提取各秧盘图像样本对应的N维特征向量x_i的步骤，包括：

将输入的各秧盘图像样本转为对应的各样本灰度图，所述灰度图中像素点(m,n)的像素值为I(m,n)，其中m为水平方向坐标，n为垂直方向坐标，所述灰度图的灰度值的级数为Q；

由下列公式确定所述灰度图中多个不同θ角度值对应的特征矩阵c(i,j)，c(i,j)为Q×Q阶矩阵：

c(i,j)=p(I(m₁,n₁)=i,I(m₂,n₂)=j)，其中像素点(m₁,n₁)和像素点(m₂,n₂)为循环遍历灰度图中所有像素点沿着θ方向，且差距为d的两像素点，p(I(m₁,n₁)=i,I(m₂,n₂)=j)表示像素值I(m₁,n₁)为i且像素值I(m₂,n₂)为j的概率；

确定各θ角度值对应的特征矩阵的能量E、相关系数λ和熵S：

E=ΣiΣjc(i,j)2,]]>