[发明专利]一种籽粒分类方法及装置在审
申请号: | 201611250010.6 | 申请日: | 2016-12-29 |
公开(公告)号: | CN106874930A | 公开(公告)日: | 2017-06-20 |
发明(设计)人: | 李振波;朱华;岳峻;李晨;吴静;朱玲;李道亮 | 申请(专利权)人: | 中国农业大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06Q50/02 |
代理公司: | 北京路浩知识产权代理有限公司11002 | 代理人: | 李相雨 |
地址: | 100193 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 籽粒 分类 方法 装置 | ||
技术领域
本发明涉及识别技术领域,具体涉及一种籽粒分类方法及装置。
背景技术
籽粒的品种识别及品质鉴定在种质判别和现代化粮库仓储管理等领域有着广阔的应用前景。目前主要采用人工手段从外形、色泽、净度等方面进行综合评价,因而存在主观性强、效率低和可重复性差的缺点,增强了籽粒品种分类的不确定性。
当前,随着计算机技术的迅速发展,机器视觉得以广泛应用于农作物籽粒品质检测和识别分类中,为农业实行高效生产提供保障。与人类的视觉相比,机器视觉代替人工进行品种鉴别不仅能够降低人的主观因素影响,实现自动化;还可以降低检验误差,提高准确度和精度。
现有的技术中,采用稀疏表示分类器对籽粒进行识别分类,在训练样本较大的情况下计算量较大,这样会对籽粒的识别分类造成一定影响,导致存在分类准确度不高,效率低的问题。
发明内容
为解决上述技术问题,本发明提供一种籽粒分类方法及装置,实现了对籽粒进行快速识别和分类;提高了分类的准确度和分类的效率。
为实现上述目的,本发明提供以下技术方案:
一方面,本发明提供了一种籽粒分类方法,包括:
根据预设训练数据建立原始字典,所述原始字典中存储有籽粒特征参数向量与籽粒种类的对应关系;所述预设训练数据包括多个籽粒特征参数向量以及多个籽粒种类;
获取待测试籽粒的特征参数向量;
根据获取的待测试籽粒的特征参数向量查询所述原始字典,获取与待测试籽粒的特征参数向量对应的籽粒种类。
进一步的,所述获取待测试籽粒的特征参数向量的步骤之后,还包括:
对所述原始字典进行更新和迭代处理以获取特征字典;所述特征字典中存储有更新和迭代处理后籽粒特征参数向量与更新和迭代后的籽粒种类的对应关系;
根据获取的待测试籽粒的特征参数向量查询所述特征字典,获取与待测试籽粒的特征参数向量对应的籽粒种类。
进一步的,所述对所述原始字典进行更新和迭代处理以获取特征字典,具体包括:
采用所述原始字典对所述训练样本籽粒进行稀疏表示得到稀疏表示系数矩阵;
对所述系数矩阵进行迭代处理获取特征字典。
进一步的,所述根据预设训练数据建立原始字典,包括:
采用核函数的方式将所述预设训练数据映射到高维空间中,在所述高维空间中对所述预设训练数据中线性不可分数据变成线性可分数据。
进一步的,所述籽粒特征参数包括:籽粒颜色的色度分量、籽粒颜色的饱和度分量、籽粒颜色的亮度分量、籽粒形状的矩形度、籽粒形状的伸长度和籽粒形状的面积。
进一步的,所述根据获取的待测试籽粒的特征参数向量查询所述原始字典获取与待测试籽粒的特征参数向量对应的籽粒种类,包括:
在原始字典中查询与所述测试籽粒的特征参数向量的误差最小的目标特征参数向量;
根据所述目标特征参数向量确定所述待测试籽粒的特征参数向量对应的籽粒种类。
另一方面,本发明提供了一种籽粒分类装置,包括:
字典模块,用于根据预设训练数据建立原始字典,所述原始字典中存储有籽粒特征参数向量与籽粒种类的对应关系;所述预设训练数据包括多个籽粒特征参数向量以及多个籽粒种类;
采集模块,用于获取待测试籽粒的特征参数向量;
查询模块,用于根据获取的待测试籽粒的特征参数向量查询所述原始字典,获取与待测试籽粒的特征参数向量对应的籽粒种类。
进一步的,所述装置还包括:
更新模块,用于对所述原始字典进行更新和迭代处理以获取特征字典;所述特征字典中存储有更新和迭代处理后籽粒特征参数向量与更新和迭代后的籽粒种类的对应关系;
输出模块,用于根据获取的待测试籽粒的特征参数向量查询所述特征字典,获取与待测试籽粒的特征参数向量对应的籽粒种类。
进一步的,所述字典模块中包括:
存储单元,用于存储所述籽粒特征参数,包括:籽粒颜色的色度分量、籽粒颜色的饱和度分量、籽粒颜色的亮度分量、籽粒形状的矩形度、籽粒形状的伸长度和籽粒形状的面积。
进一步的,所述查询模块包括:
误差单元,用于在原始字典中查询与所述测试籽粒的特征参数向量的误差最小的目标特征参数向量;
定位单元,同于根据所述目标特征参数向量确定所述待测试籽粒的特征参数向量对应的籽粒种类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国农业大学,未经中国农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611250010.6/2.html,转载请声明来源钻瓜专利网。