[发明专利]一种农作物分类系统和方法在审

专利信息
申请号: 202011547869.X 申请日: 2020-12-23
公开(公告)号: CN112581459A 公开(公告)日: 2021-03-30
发明(设计)人: 武勇;朱逞春;周金旺;范冬冬;范磊;丁益文;董军军;仇国庆 申请(专利权)人: 安徽高哲信息技术有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T7/13;G06T7/33;G06T17/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 合肥市长远专利代理事务所(普通合伙) 34119 代理人: 刘勇
地址: 230000 安徽省合肥市高新区*** 国省代码: 安徽;34
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 农作物 分类 系统 方法
【权利要求书】:

1.一种农作物分类系统,其特征在于,包括

形状分析子系统,用于分析农作物的形状;

质量分析子系统,用于分析农作物质量;

三维影像重建子系统,用于对采集的农作物正反面图像进行三维立体建模,将二维平面影像信息转化为三维立体影像用于电子存档;

表面缺陷检测定位子系统,用于农作物不完善粒缺陷的具体位置检测;

农作物图像自动分类子系统,用于农作物的不完善粒和完善粒的分类。

2.根据权利要求1所述的一种农作物分类系统,其特征在于,所述形状分析子系统包括

计算机视觉处理模块,用于获取多角度的农作物外表扫描图像,对农作物外表扫描的图像做图像预处理,获得单个农作物的图像;

人工智能处理模块,用于对所述农作物的图像进行处理获得图像的高维特征值并进行统计组合获得多个维度特征值,进而计算出农作物在图像中的模板信息,最后依据模板信息拟合并显示出农作物的轮廓信息。

3.根据权利要求2所述的一种农作物分类系统,其特征在于,所述计算机视觉处理模块包括依次设置的

图像扫描设备,用于对设定量的农作物样本进行图像扫描,获得多角度的农作物外表扫描图像;

图像处理单元,用于对农作物外表扫描图像做图像预处理,最终将多颗农作物的图像分割成多张单个农作物的图像;所述图像处理单元包括滤波算法子单元和边缘信号增强子单元,所述滤波算法子单元用于滤除图像中干扰信号,并获取图像中农作物的粗糙定位,所述边缘信号增强子单元用于多角度的农作物外表扫描图像的配准;获取图像中农作物的粗糙定位的方法是通过边缘滤波算子,计算出图像中各个像素值之间的梯度信息,进而拟合出农作物的粗糙位置。

4.根据权利要求1所述的一种农作物分类系统,其特征在于,所述质量分析子系统包括

农作物图像处理模块,用于处理包含多粒农作物信息的扫描图像,分析出图像中多个农作物的形状、类别信息;

农作物质量判定模块,用于预测多粒农作物的实际质量,基于强监督学习技术,依据多粒农作物的形状和所属类别信息结合所述的样本标注子系统提供的标注信息,推算出农作物的实际质量。

5.根据权利要求4所述的一种农作物分类系统,其特征在于,所述农作物图像处理模块包括

图像扫描设备,用于对设定量的农作物样本进行多角度的图像扫描,获得多角度的农作物外表扫描图像;

图像处理单元,用于对农作物外表扫描图像做图像处理,包括图像归一化、多图像匹准,计算出图像中多粒农作物的形状和所属类别信息。

6.根据权利要求1所述的一种农作物分类系统,其特征在于,所述三维影像重建子系统包括

RPN网络单元,输入带有标注信息的二维图像到神经网络单元训练获得;带有标注信息的二维图像为标注后的农作物的正反面彩色图像,所述RPN网络单元输出特定位置的具体坐标信息;

农作物的形态和姿势预测子单元,根据输入的特定区域,预测出谷物在三维空间中的形状参数和姿态参数;

形状采样子网络,根据谷物的形状参数,解码出对应谷物的形状在空间中的点云模型;

刚性变换单元,依据预测出谷物在三维空间中的形状参数和姿态参数,对生成的点云模型进行姿态参数的刚性变换;

转换存储单元,将刚性变换的结果进行结构、姿态的三维重建,获得农作物的体积信息。

7.根据权利要求1所述的一种农作物分类系统,其特征在于,所述表面缺陷检测定位子系统包括依次设置的

深度卷积网络模型,将归一化后的图像信息进行高维特征提取,使每个ROI生成固定尺寸大小的特征图;

RPN区域候选框网络,用于生成建议区域,生成区域坐标信息,映射到所述深度卷积网络模型提取的最后一层卷积特征图之上;

评价分类概率与评价边框回归模型,对分类概率和边框回归联合训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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安徽高哲信息技术有限公司,未经安徽高哲信息技术有限公司许可,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/202011547869.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top