[发明专利]一种杂草种子的检测方法在审

专利信息
申请号: 201910335799.2 申请日: 2019-04-24
公开(公告)号: CN110188609A 公开(公告)日: 2019-08-30
发明(设计)人: 乔曦;钱万强;万方浩 申请(专利权)人: 中国农业科学院深圳农业基因组研究所
主分类号: G06K9/00 分类号: G06K9/00;G06T7/00;G06T7/11;G06F16/51;G06F16/58;G01N15/00;B65G47/14
代理公司: 北京中誉威圣知识产权代理有限公司 11279 代理人: 卢岳锋
地址: 518120 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 种子图像 杂草种子 检测 图像预处理模块 图像采集装置 种子输送装置 采集 进出口检测 主控计算机 检疫部门 模块识别 人工标记 训练模块 显示器 数据库 分割
【权利要求书】:

1.一种杂草种子的检测方法,其特征在于,包括以下步骤:

步骤一,通过种子输送装置把待检测的种子向前输送经过图像采集装置,以通过所述图像采集装置采集待测种子图像,并把采集到的所述待测种子图像输送给主控计算机;

步骤二,所述主控计算机通过图像预处理模块对所述图像采集装置采集到的所述待测种子图像进行处理,把所述待测种子图像中包含的所有的种子分割成单个种子图像;

步骤三,在所述主控计算机上通过人工标记采集到的其中一个所述待测种子图像的所有的所述单个种子图像的名称,以构成种子图像数据库;

步骤四,所述主控计算机通过训练模块以所述种子图像数据库作为训练集来训练种子图像识别模型,把训练好的所述种子图像识别模型作为种子图像识别模块;

步骤五,所述主控制计算机通过所述种子图像识别模块识别其他所述待测种子图像的所有的所述单个种子图像;对于所述单个种子图像并非属于所述种子图像数据库中的任何一类,归为其他种类;以及

步骤六,所述主控制计算机通过显示器对步骤五中的所述种子图像识别模块的识别结果进行显示。

2.根据权利要求1所述的杂草种子的检测方法,其特征在于,所述种子输送装置包括传送带和种子收纳箱,所述种子收纳箱位于所述传送带的后端的下方;所述图像采集装置设置于所述传送带的中部。

3.根据权利要求2所述的杂草种子的检测方法,其特征在于,所述种子输送装置还包括振动式排种器和进料斗,所述进料斗位于所述振动式排种器的前部的上方,所述振动式排种器的后端位于所述传送带的前部的上方,所述振动式排种器把种子振动分散后再输送给所述传送带。

4.根据权利要求2所述的杂草种子的检测方法,其特征在于,所述图像采集装置包括暗箱、光源以及摄像器,所述暗箱设置于所述传送带的中部,所述传送带为透明带,所述光源设置于所述暗箱内并位于所述传送带的下方;所述摄像器设置于所述暗箱内并位于所述传送带的上方,且所述摄像器与所述主控计算机连接。

5.根据权利要求4所述的杂草种子的检测方法,其特征在于,所述光源为呈矩阵排列分布的LED光源。

6.根据权利要求1所述的杂草种子的检测方法,其特征在于,所述图像预处理模块对所述待测种子图像进行处理的过程为:

首先,采用阈值法把所述待测种子图像中包含的所有的种子分割成单个种子目标;

然后,基于四连通标记所述单个种子目标,并获得所述单个种子目标的总数;

接着,提取标记过的所述单个种子目标,并基于标记提取对应的所述单个种子目标的区域坐标,再将原图中非提取的所述单个种子目标的区域坐标的像素值变为255,提取的所述单个种子目标的区域坐标的像素值不变;

最后,以所述单个种子目标所在区域的中心坐标为中心,将原图裁剪为正方形图像,便得到所述单个种子图像。

7.根据权利要求1所述的杂草种子的检测方法,其特征在于,所述种子图像识别模型是一种深度卷积神经网络模型,包括:

输入层,用于读取所述图像预处理模块处理得到的所述单个种子图像;

隐藏层,用于提取所述单个种子图像的特征;以及

输出层,用于输出识别结果。

8.根据权利要求1所述的杂草种子的检测方法,其特征在于,在所述步骤五中,对于归为其他种类的所述单个种子图像,转由人工鉴定,并通过人工标记名称后存储至所述种子图像数据库中,所述主控计算机重新训练所述种子图像识别模型,以更新所述种子图像识别模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国农业科学院深圳农业基因组研究所,未经中国农业科学院深圳农业基因组研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910335799.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top