[发明专利]一种基于深度学习的粮食不完善粒识别方法及系统

权利要求书

1.一种基于深度学习的粮食不完善粒识别方法，其特征在于：所述粮食不完善粒识别方法包括以下步骤，

从多个角度全方位的获取一颗待识别粮食粒的图像，得到所述待识别粮食粒的图像集，其中，所述图像集中包括所述待识别粮食粒多角度的多幅图像；

利用预先训练好的神经网络模型分别对所述图像集中的每幅图像进行识别，得到所述待识别粮食粒在每幅图像中的识别结果；并将所述待识别粮食粒在所有图像中的识别结果进行差异性比对，取识别结果置信度之和高于预设阈值的识别结果作为所述待识别粮食粒的最终识别结果。

2.根据权利要求1所述的基于深度学习的粮食不完善粒识别方法，其特征在于：从多个角度全方位的获取一颗待识别粮食粒的图像的具体方法为，采用分布在多个角度的相机全方位的获取一颗待识别粮食粒的图像。

3.根据权利要求2所述的基于深度学习的粮食不完善粒识别方法，其特征在于：在获取所述待识别粮食粒的图像之前，还包括以下步骤，检测相机拍摄的当前画面中是否有所述待识别粮食粒存在。

4.根据权利要求3所述的基于深度学习的粮食不完善粒识别方法，其特征在于：检测相机拍摄的当前画面中是否有所述待识别粮食粒存在，具体包括以下步骤：

获取相机拍摄的当前画面图像，并对所述当前画面图像中的每一像素点进行微分处理，得到每一像素点的微分值；若所述当前画面图像中每一像素点的微分值均为零，则判定所述当前画面图像中不存在所述待识别粮食粒；否则获取所述当前画面图像中微分值不为零的像素点的像素信息；

将所述当前画面图像中所有微分值不为零的像素点的像素信息分别与预设像素信息进行比较；若微分值不为零的像素点的像素信息与所述预设像素信息之间的差值小于第一预设阈值时，则判定该微分值不为零的像素点不是边缘点；否则判定该微分值不为零的像素点是边缘点；

统计所述边缘点的数量，并将所述边缘点的数量与第二预设阈值进行比较；若所述边缘点的数量小于所述第二预设阈值，则判定所述当前画面图像中不存在所述待识别粮食粒；否则判定所述当前画面图像中存在所述待识别粮食粒。

5.根据权利要求3所述的基于深度学习的粮食不完善粒识别方法，其特征在于：在检测到当前画面有粮食粒存在后，还包括以下步骤，对所述待识别粮食粒进行跟踪处理。

6.根据权利要求5所述的基于深度学习的粮食不完善粒识别方法，其特征在于：采用KCF跟踪法对所述待识别粮食粒进行跟踪处理。

7.根据权利要求1至6任一项所述的基于深度学习的粮食不完善粒识别方法，其特征在于：所述神经网络是以ResNet为backbone的分类神经网络；

利用预先训练好的神经网络模型分别对所述图像集中的每幅图像进行识别，得到所述待识别粮食粒在每幅图像中的识别结果，具体包括以下步骤，

利用所述神经网络模型分别对所述图像集中的每幅图像进行卷积运算、池化和归一化处理，输出所述待识别粮食粒在每幅图像中的识别结果；其中，所述识别结果包括每幅图像中所述待识别粮食粒所属每种类别的权值和置信度；

将所述待识别粮食粒在所有图像中的识别结果进行差异性比对，取识别结果置信度之和高于预设阈值的识别结果作为所述待识别粮食粒的最终识别结果，具体包括以下步骤，

将每幅图像中所述待识别粮食粒所属每种类别的权值和置信度进行相乘处理，得到每幅图像中所述待识别粮食粒所属每种类别的加权置信度；

分别将所有图像中所述待识别粮食粒所属相同类别的加权置信度进行相加处理，得到所述待识别粮食粒所属每种类别的加权置信度之和；

取高于预设阈值的所述加权置信度之和所对应的类别作为所述待识别粮食粒的最终识别结果。