[发明专利]一种基于改进ResNet的小麦不完善粒在线检测方法

权利要求书

1.一种基于改进ResNet的小麦不完善粒在线检测方法，其特征在于以下步骤：

(1)搭建小麦不完善粒图像采集平台；(2)在采集的原始图像上，采用凹点掩膜的两颗粒粘连小麦分割算法，将小麦分割成单籽粒；(3)数据集制作；(4)建立神经网络模型，将小麦训练集输入到神经网络中，得到训练后的模型；(5)将小麦测试集输入到模型中，实现小麦不完善粒的类别检测；(6)依据各种类小麦的像素、密度等，建立基于国标质量比的小麦不完善粒率检测方法。

2.根据权利要求1所述的方法，其特征在于以下步骤，(1)结合设备与算法的双重优势，利用垂直振动平台，减少粘连颗粒数量，剩余小麦主要为两颗粒粘连情况；(2)采用基于凹点掩膜的两颗粒粘连小麦分割算法，解决粘连分割难题，实现小麦单粒化。

3.根据权利要求2所述的方法，其特征在于以下步骤，(1)对随机分布的4g-8g混合小麦，进行图像采集；(2)对采集的原始图像进行灰度处理，采用双边滤波，消除图像低频噪声，突出小麦边缘及纹理特征，采用自适应阈值方法进行二值化处理，采用形态学开运算和闭运算对二值化图像进行边缘平滑，将小麦目标和背景分离；(4)设置小麦面积阈值7000，筛选出两粒及以上的粘连颗粒，采用凸壳方法确定凹点位置，最小外接四边形区域为凸壳区域，将凸壳区域与粘连小麦轮廓相减，即为缺陷区域，通过判断区域缺陷个数，提取面积最大的连个部分，确定凹点位置，连接两个凹点，实现两颗粒粘连分割；(5)将未粘连或粘连分割后的单籽粒小麦图像作为掩膜图像，在原图中进行掩膜处理，可将原图中小麦分割出来；再利用旋转最小外界矩形，找到实现小麦分割的最佳角度、高度和宽度等，最后将小麦裁剪为单籽粒图像；(6)裁剪出的单籽粒小麦图像基本都带有多余部分，将二值化图像中提取最大的轮廓作为掩膜，摒弃多余轮廓，并在裁剪后的单籽粒小麦图像上进行掩膜处理，将最终得到的单籽粒图像保存。

4.根据权利要求1所述的方法，其特征在于以下步骤，(1)对6个种类小麦籽粒，随机挑选各800粒，总计4800粒小麦；通过将单籽粒图像旋转180°后提高亮度、加噪、镜像后降低亮度等3种方式对图像进行增强；(2)按照训练集：验证集为8：2的比例划分数据集，建立训练集图像15360张，测试集图像3840张。

5.根据权利要求1所述的方法，其特征在于以下步骤，(1)设计24层的ResNet模型，残差模块个数分别是2，3，4，2；(2)在前3层中引入密集连接，使用Concate操作，将主干每一层的输出与密集连接的输出拼接，跳跃连接的虚线结构无需再使用1*1卷积进行升维，将其替换为卷积核大小为3*3，步长为2的平均池化操作,将Conv、BN、Relu操作顺序改变为BN、Relu、Conv；(3)在每层的最后一个Block中添加CBAM注意力机制；(4)在第3、4层的Block模块中，加入采样率分别为2、4的空洞卷积操作，并将第4层步长设为1，将7*7的感受野转换为14*14。

6.根据权利要求1所述的方法，其特征在于以下步骤，(1)小麦质量计算公式为m＝psh,小麦高h忽略不计，将小麦完善粒的容重p设定为1，破损粒为0.6-0.8，病斑粒为0.95-0.99，生芽粒为0.95-0.99，生霉粒为0.58-0.78，虫蚀粒为0.55-0.75；面积s在识别各种类小麦不完善粒的基础上，利用像素数替代面积，分别计算出所有小麦的像素数、各种类小麦的像素数；分别计算出小麦的总质量和个小麦不完善粒的质量，最后求取小麦不完善粒率；(2)基于识别结果，使用softmax函数将输出特征图的像素值变为概率分布，并将最大概率值索引为小麦籽粒的预测概率，将6种小麦籽粒的预测类型和概率写入图像，并显示；与此同时，将识别的小麦不完善率值显示出来。