申请/专利权人：江南大学

申请日：2021-11-02

公开（公告）日：2024-04-09

公开（公告）号：CN113920376B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/26;G06V10/25;G06V10/10;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明公开了一种基于轻量型卷积神经网络的小麦种子品种鉴别的方法，涉及高光谱技术领域，该方法改进了建模所使用的轻量型卷积神经网络结构的结构，利用分组卷积层中的多个卷积单元来对不同的波段子区间进行特征提取，可以从光谱维度提取不同区域的信息，并且能够有效的缩减模型的参数量提高模型推理速度，再通过两个标准卷积层融合特征并进一步提取整体信息，充分挖掘样本高光谱图像的有效光谱信息，从而极大的提高分类模型的精度以及推理速度，能够充分利用高光谱图像中的有效光谱信息，并且能够准确且快速的鉴别小麦种子品种。

主权项：1.一种基于轻量型卷积神经网络的小麦种子品种鉴别的方法，其特征在于，所述方法包括：采集若干种不同品种的小麦种子样本的高光谱图像，并对每个高光谱图像进行预处理校准为样本图像，包括：按照对所述高光谱图像进行黑白板校正，其中，表示所述高光谱图像，表示黑白板校正后的高光谱图像，为黑板图像，为标准白板图像；利用预定分割算法对经过黑白板校正的高光谱图像进行图像分割提取得到若干个感兴趣区域，对分割得到的每个感兴趣区域填补零值像素至预设图像尺寸得到样本图像，各个样本图像的图像尺寸均相同；对每个样本图像进行降维处理得到降维后的样本图像，包括：对于每个品种，基于所述品种的小麦种子样本的样本图像提取当前品种的平均光谱曲线，对所述平均光谱曲线进行包络线去除后确定当前品种对应的波段子区间，每个品种对应若各干波段子区间；依据每个样本图像所属的小麦种子样本的品种对应的波段子区间对所述样本图像进行光谱降维，得到降维后的样本图像；所述降维后的样本图像包括所述样本图像对应的若干个波段子区间的图像；将降维后的样本图像作为输入、对应的小麦种子样本的品种作为输出，基于轻量型卷积神经网络训练得到小麦种子分类模型，所述轻量型卷积神经网络依次包括分组卷积层、标准卷积层、全连接层和分类器，所述分组卷积层包括多个平行的卷积单元，所述分组卷积层同时通过各个卷积单元分别提取输入的图像的不同波段子区间的特征，所述标准卷积层对各个卷积单元提取的特征进行特征融合；每个卷积单元分别包括从输入到输出依次相连的二维卷积核、批规范化层、激活函数层和二维池化层，激活函数层采用ReLU作为激活函数，二维池化层用于压缩网络参数；获取待分类小麦种子的高光谱图像并进行预处理校准和降维处理后，输入至训练得到的所述小麦种子分类模型中，得到所述待分类小麦种子的品种。

全文数据：

权利要求：

百度查询： 江南大学 一种基于轻量型卷积神经网络的小麦种子品种鉴别的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD