[发明专利]谷粒质量控制系统和方法

权利要求书

1.一种控制联合收割机中收割的谷粒质量的方法，该方法包括：

通过一个或多个图像传感器在联合收割机的谷粒升降机内的采样位置处捕获一个或多个材料图像，所捕获的图像由图像像素集定义并且具有指示谷粒材料或非谷粒材料的分类特征，其中图像像素集由图像数据表示；

通过一个或多个控制器接收与由所述一个或多个图像传感器捕获的所述一个或多个图像相关联的所述图像数据；

通过所述一个或多个控制器从所捕获的图像中选择样本图像，选定的样本图像由所述图像像素集的图像像素子集定义；

通过所述一个或多个控制器将卷积神经网络(CNN)算法应用于选定的样本图像的所述图像像素子集的图像数据；

通过所述一个或多个控制器基于卷积神经网络算法应用于选定的样本图像的图像数据而确定所述分类特征；和

通过一个或多个控制器分析所确定的分类特征以调整联合收割机的操作参数。

2.根据权利要求1所述的方法，其中，所述谷粒升降机是尾料升降机，并且所述采样位置处的材料包括部分脱粒的谷粒尾料。

3.根据权利要求2所述的方法，其中，所述分类特征选自分类类别，所述分类类别包括清洁谷粒、破碎谷粒、轻的除谷粒(MOG)之外的材料，重的除谷粒之外的材料和未脱粒的谷粒。

4.根据权利要求3所述的方法，其中，所述分类类别包括空白空间分类，所述空白空间分类将谷粒材料之间的空间或非谷粒材料之间的空间识别为没有材料。

5.根据权利要求2所述的方法，其中，所述卷积神经网络算法执行实例分割以测量所述部分脱粒的谷粒尾料的谷粒尺寸。

6.根据权利要求1所述的方法，还包括由所述一个或多个控制器生成指示与所述分类特征相关联的概率的置信度量值。

7.根据权利要求1所述的方法，还包括由所述一个或多个控制器在本地保存所述图像像素子集的图像数据，或者将所述图像像素子集的图像数据发送到远程系统。

8.根据权利要求1所述的方法，还包括为选定的样本图像标记所确定的分类特征。

9.根据权利要求1所述的方法，还包括：

通过所述一个或多个控制器从所捕获的图像中选择整数N个选定的样本图像，所述N个选定的样本图像由所述图像像素集的N个子集定义；和

其中，所述应用和确定步骤包括：通过所述一个或多个控制器将卷积神经网络算法应用于所述N个选定的样本图像中的每个选定的样本图像的图像像素子集的图像数据，并且基于卷积神经网络算法应用于每个选定的样本图像，通过所述一个或多个控制器确定所述分类特征。

10.根据权利要求1所述的方法，其中，所述选择步骤采用基于以下项目中的一个或多个的图像选择算法：高斯能量、颜色分布、纹理分布，图像亮度分布或材料在所述采样位置处的位置识别。

11.根据权利要求1所述的方法，其中，所述捕获步骤包括使用立体视觉图像传感器在所述采样位置处捕获材料的图像，

其中，所述选择步骤包括通过所述一个或多个控制器从所捕获的图像中选择使用所述立体视觉图像传感器捕获的样本立体图像，选定的样本立体图像由所述图像像素集的图像像素子集定义；和

其中，所述应用和确定步骤包括：通过所述一个或多个控制器将卷积神经网络算法应用于选定的样本立体图像的图像像素子集的图像数据，并且基于卷积神经网络算法应用于选定的样本立体图像，通过所述一个或多个控制器确定所述分类特征。