[发明专利]一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法

权利要求书

1.一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，所述精密检测方法使用一种检测系统，所述检测系统包括图像信息采集模块和信息处理模块，其特征在于，使用该检测系统的精密检测方法包括以下步骤：

S1、搭建并训练生成种穴栅格图像语义分割模型；

S2、搭建并训练生成基于深度学习的穴播量检测网络模型；

S3、检测系统启动，加载种穴栅格图形语义分割模型和穴播量检测网络模型；

S4、播种秧盘检测图像采集，将播种后的秧盘放置于图像信息采集模块的采集处，采集播种秧盘检测图像；

S5、分割种穴栅格图像，检测系统加载种穴栅格图像语义分割模型对播种秧盘检测图像进行分割，分割出种穴栅格图像；

S6、种穴栅格图像种穴单元格像素坐标定位；

S7、切分播种秧盘检测图像，将播种秧盘检测图像根据种穴单元格像素坐标切分为单个种穴图像；

S8、检测穴播量，检测系统加载穴播量检测网络模型对将切分后的种穴图像进行检测，检测出每个种穴图像中的种子数量(穴播量)；

所述步骤S6种穴栅格图像种穴单元格像素坐标定位包括如下步骤：

S61、种穴栅格图像处理，信息处理模块对种穴栅格图像灰度化和二值化，生成二值图像；

S62、过滤缺损种穴的单元格，扫描二值图像中的连通区域，过滤掉面积大于3000的连通区域，只保留种穴单元格的联通区域；

S63、获取像素坐标，检测每个种穴单元格的最小外接矩形，得到种穴单元格的像素坐标位置及大小。

2.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于，所述步骤S1中的搭建并训练生成种穴栅格图像语义分割模型包括如下步骤：

S11、秧盘信息采集，将标准化的秧盘放置于图像信息采集模块的采集处，采集秧盘的原始图像；

S12、秧盘原始图像处理，图像信息采集模块将采集到的秧盘原始图像输送至信息处理模块，信息处理模块对秧盘原始图像进行灰度和二值化处理，生成种穴栅格图像；

S13、搭建种穴栅格语义分割模型，通过秧盘的原始图像和种穴栅格图像，训练搭建的语义分割模型，生成种穴栅格语义分割模型。

3.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于，所述步骤S2中的搭建并训练生成基于深度学习的穴播量检测网络模型包括如下步骤：

S21、播种秧盘图像采集，将若干份播种后的秧盘放置于图像信息采集模块的采集处，采集若干张播种秧盘的图像；

S22、播种秧盘图像处理，图像信息采集模块将采集到的播种秧盘图像输送至信息处理模块，信息处理模块导入种穴栅格语义分割模型，对播种秧盘图像进行识别切分，生成单个的种穴图；

S23、种穴图数据库建立，将S5生成的单个的种穴图进行汇总生成种穴图数据库；

S24、种穴图标注，对种穴图数据库中的单个种穴图进行识别，将种穴图按照种穴内的种子数目分类，生成以不同种子数目进行分类的种穴图组；

S25、搭建穴播量检测网络模型，搭建包含若干卷积层和若干池化层的深度学习分类网络模型，使用种穴图数据库对网络模型进行训练，生成穴播量检测网络模型。

4.根据权利要求3所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于，所述步骤S24中的生成种穴图组还包括如下步骤：

S241、样本数据增强，将分好类的种穴图组内的单个的种穴图分别旋转90度、180度和270度后生成新的种穴图组，将新生成的种穴图组与原种穴图组依照种子数目分类进行合并，生成新的种穴图数据库。

5.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于：所述S1和S2步骤为检测系统的信息采集和算法学习的检测前期步骤，为检测系统的检测作业提供样本数据；更换标准化的秧盘，重复进行S1和S2步骤增添新的检测样本数据。

6.根据权利要求1所述的一种用于检测杂交稻体秧盘育秧播种性能的精密检测方法，其特征在于：所述S3-S8步骤完成检测系统的检测作业，重复S3-S8步骤实现对多份播种秧盘进行检测，获取多份检测数据。