[发明专利]一种基于深度学习卷积神经网络的作物种子净度判断方法

权利要求书

1.一种基于深度学习卷积神经网络的作物种子净度判断方法，其特征在于，包括步骤

S1：取一定数量的某种作物种子称重量后置于种子净度分析台上，开启工作台上的拍照系统，使作物种子照片同步传入计算机处理系统；

S2：从预先称重好的该作物种子照片中分离出正常作物净种子和杂质，所述杂质包括土石、杂草和其他植物种子，利用计算机视觉算法，计算净种子和杂质轮廓，包括步骤：

S21：利用机器学习判断种子轮廓是否为单一籽粒；

S22：如果是单一籽粒，利用轮廓切割图像输出籽粒图片，计算长度，宽度和面积；如果是粘连籽粒，利用图像分割算法分离粘连的籽粒，如籽粒粘连不能分离出单个籽粒，或粘连籽粒因为形状不规则，不符合籽粒形状，则进行人工干预，重新拍照；

S3：对分离后的种子、杂质的轮廓照片进行分类，将籽粒分为正常作物净种子和杂质；

S4：使用正常作物净种子和杂质轮廓照片对深度卷积神经网络进行训练；

S5：使用验证照片对所述深度卷积神经网络进行验证；

S6：使用所述深度卷积神经网络对某种具体作物种子照片进行判定，分离出正常作物净种子和杂质，统计出正常净种子的数量，根据正常净种子的平均千粒重，计算出正常净种子的重量和作物种子净度，作物种子净度＝(正常净种子的重量/供测试种子总重量)×100％。