[发明专利]基于模型在线更新的玉米种子高光谱图像分类识别方法

说明书

技术领域

本发明涉及一种玉米种子高光谱图像分类模型在线更新的方法，尤其是一种基于模型在线更新的玉米种子高光谱图像分类识别方法。

背景技术

农以种为先，种子是农业生产的基础。随着种子市场的繁荣发展，其竞争日益加剧，由于种子品种混杂带来的农作物产量降低的事件时有发生，种子的纯度问题也越来越受到人们的关注。传统的种子纯度检测方法基本上是通过人工进行破坏性观察检测，费时费力，难以在实际应用中得到推广。目前越来越多的无损检测技术得到学者们的喜爱，其中包含机器视觉技术、近红外光谱分析技术以及高光谱图像技术。机器视觉技术由于受光谱范围的限制只能获得种子的外部形状特征，难以获得种子内部的化学特征；近红外光谱分析技术通过单点测量的方式获得反映种子特征的光谱信息，但是易受种子样本分布均匀性的影响。高光谱图像集机器视觉和近红外光谱分析技术的优点于一身，可以同时获得种子的外部图像特征以及内部的光谱信息特征。此外，高光谱图像获得的光谱信息不是通过单点测量法而是对采集到的图像上每一点像素提取光谱信息，从而避免因为种子特征分布不均匀导致实验结果的不稳定性。因而高光谱图像技术在农产品无损检测中得到广泛的应用。

利用高光谱图像技术进行种子纯度检测的实质就是建立光谱信息与种子品质之间的数学模型关系。但是高光谱图像技术采集的光谱信息容易受产地、年份变化的影响，导致由光谱信息建立的分类模型的稳定性变差。因此模型更新对于提高模型的鲁棒性和泛化能力具有重要的意义。以往的学者提出的模型更新方法都是基于离线条件的基础上，获得大量待测样本的真实信息，从而选出具有代表性的样本更新模型。而在实际生产中，对大量待测样本的获取本身就是一件费时费力的过程，同时基于离线的情况，因此这些模型更新策略很难在实际应用中得到推广。因此，寻找一种在线模型更新策略实现种子分类模型的更新就显得尤为重要。

发明内容

本发明的目的是克服以上技术的缺点，提供一种基于模型在线更新的玉米种子高光谱图像分类识别方法，其能够实现高光谱图像分类模型的在线更新，实时性好，省时省力，快速有效，且可靠性高。

本发明提供的技术方案，所述的基于模型在线更新的玉米种子高光谱图像分类识别方法，具体的步骤包括：a、将待识别的玉米种子样本放置在高光谱图像采集系统中，采集并获取该玉米种子样本在N个波段下的N个高光谱图像；b、计算感兴趣区域内的光谱均值特征，将N个波段下获得的共N个光谱均值特征作为待识别玉米种子的特征参数Y；c、将步骤b所得到的玉米种子特征参数Y，输入预先建立的支持向量数据描述模型f_svdd，判断待识别玉米种子与检测模型的匹配性；d、若步骤c匹配成功，将步骤b所得到的玉米种子N个特征参数，输入预先建立的最小二乘支持向量机检测模型f_lssvm，获取待识别玉米样本的分类识别结果Z；e、若步骤c匹配不成功，则通过化学分析测试，获得待识别玉米种子的类别Z，利用获得的待识别种子特征参数及其真实类别Z，在线更新已建立的支持向量数据描述模型f_svdd和最小二乘支持向量机检测模型f_lssvm；f、重复步骤(a-e),完成所有待识别玉米种子的分类识别。

进一步的，在步骤b中，获得玉米种子的特征参数包括：

首先选择待识别玉米种子轮廓最清晰的图像对应的波段(在782.59nm处)，利用自适应阈值分割法，获得该波段下的待识别玉米种子的轮廓曲线。将该轮廓曲线投射到N个波段上，提取N个波段在该轮廓曲线内的光谱均值作为玉米种子的分类特征参数。

在步骤c中预先建立支持向量数据描述模型f_svdd的操作包括：

按照步骤a、b获取s类共l个玉米种子的特征参数，并利用化学分析测试，获得其类别标签Z_N∈{1,2,…,s},N＝1,2,…l,将类别标签相同的玉米种子构建为一个子训练集合，共得到s个子集合，分别构建这s个子集合的支持向量数据描述模型其子模型的表达形式为：

其中,sgn(·)为符号函数，Y为待识别玉米种子样本的特征参数，为第k个训练子集玉米种子样本的特征参数，当括号中取值大于零时，sgn(·)取值为1，表示待识别样本Y不属于第k类，否则属于。第num_k为第k个子训练集样本的数量，为最小二乘支持向量机的核函数,α_i≥0,i＝1,2,…num_k为拉格朗日乘子，R为超球面半径，其定义如下式:

其中，为第k类训练子集玉米种子样本的中任意一个样本的特征参数。