[发明专利]识别谷物的方法和装置

权利要求书

1.一种识别谷物的方法，包括：

获取包含谷物的图片；

分割所述图片，得到多张子图片；

使用卷积神经网络模型处理所述多张子图片，识别出每张子图片中的谷物。

2.根据权利要求1所述的方法，其特征在于，使用卷积神经网络模型处理所述多张子图片，识别出每张子图片中的谷物，包括：

获取所述多张子图片；

提取每张子图片中包含的对象的图像特征；

判断每张子图片中包含的对象的图像特征是否符合谷物特征，如果符合，则确定所述对象为谷物。

3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型至少包括：输入层、卷积层、池化层、全连接层和softmax层，其中，通过所述输入层获取所述多张子图片。

4.根据权利要求2所述的方法，其特征在于，提取每张子图片中包含的对象的图像特征，包括：

通过卷积层中的每个卷积核扫描对应的子图片，得到每个子图片所包含的对象的特征图层；

通过池化层对所述每个子图片所包含的对象的特征图层进行去冗余处理；

通过至少一个全连接层将所述去冗余处理后的多个特征图层进行转换，得到所述对象的图像特征。

5.根据权利要求3所述的方法，其特征在于，通过所述softmax层判断每张子图片中包含的对象的图像特征是否符合谷物特征，并输出判断结果。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，在识别出每张子图片中的谷物之后，所述方法还包括：

将识别出谷物的子图片进行轮廓提取，并将没有识别出所述谷物的区域设置为预定的背景，得到多张处理后的子图片；

将所述多张处理后的子图片进行拼合，得到还原后的谷物图片。

7.根据权利要求6所述的方法，其特征在于，在将识别出谷物的子图片进行轮廓提取，并将没有识别出所述谷物的区域设置为预定的背景，得到多张处理后的子图片之前，所述方法还包括：

判断多个所述子图片中是否存在所述谷物；

如果存在，对存在所述谷物的子图片进行识别，并确定所述谷物在子图片中的位置；

如果不存在，将不存在所述谷物的子图片设置为预定的背景。

8.根据权利要求6所述的方法，其特征在于，在将所述多张处理后的子图片进行拼合，得到还原后的谷物图片之后，所述方法还包括：

输出所述还原后的谷物图片，并提取所述还原后的谷物图片中的谷物轮廓；

基于所述还原后的谷物图片中的谷物轮廓，确定所述谷物的品质参数。

9.一种识别谷物的装置，包括：

获取模块，用于获取包含谷物的图片；

分割模块，用于分割所述图片，得到多张子图片；

识别模块，用于使用卷积神经网络模型处理所述多张子图片，识别出每张子图片中的谷物。

10.根据权利要求9所述的装置，其特征在于，所述识别模块包括：

获取子模块，用于获取所述多张子图片；

提取模块，用于提取每张子图片中包含的对象的图像特征；

判断模块，用于判断每张子图片中包含的对象的图像特征是否符合谷物特征，如果符合，则确定所述对象为谷物。

11.根据权利要求10所述的装置，其特征在于，所述卷积神经网络模型至少包括：输入层、卷积层、池化层、全连接层和softmax层，其中，通过所述输入层获取所述多张子图片。