[发明专利]用于稻米颗粒识别的工业化系统及其方法

说明书

提出了一种用于稻米颗粒识别的工业化系统(1)和方法。由用户(5)拍摄光学图像(123)并且将该光学图像传输至数字平台(11)，其中，系统(1)分割光学图像(123)并且从图像(123)提取和/或测量描述颗粒(4)的不同方面的适当颗粒特征(41)。图像(123)由系统(1)处理，该系统包括选择器(1122)，该选择器选择不同的机器学习结构(11211，......，1121i)、将不同的机器学习结构(11211，......，1121i)应用于所提取的特征(41)以进行稻米颗粒(4)识别，并且通过随机采样过程选择所应用的机器学习结构(11211，...，1121i)中的最佳机器学习结构。通过由阈值触发器(1123)基于包括的混淆矩阵(11221)改变适当的阈值(11231)来进一步优化所选择的应用的机器学习结构(11211，...，11211)中最好的。主动学习结构(113)基于包括针对经分类的稻米颗粒的真正例(TP)、假负例(FN)、假正例(FP)和真负例(TN)的值的混淆矩阵(11221)，向用户或人类专家(5)提供反馈回路，其中，基于反馈回路(1132)的反馈参数对系统(1)进行重新训练。

技术领域

本发明涉及用于稻米和其他颗粒识别和分类的工业化系统的领域。特别地，本发明涉及用于分选变质稻米或其他种子的光学分类和优化分选装置。

背景技术

光学识别和分类是稻工业生产中的重要技术领域，提出了许多技术挑战。另一方面，大米作为主食的重要性再怎么高估也不为过。稻是发展中国家最重要的粮食作物，并且是世界半数以上人口的主食，因此，稻是世界上最重要的人类粮食作物，直接供养的人口数超过任何其他作物。2012年，几乎一半的世界人口——超过30亿人——每天依赖于稻。它也是世界上约半数的最贫穷的人生活的整个亚洲的主食，并且在非洲和拉丁美洲变得越来越重要。与其他作物相比，水稻在更长的时间内也供养了更多的人。在稻的生长和如何被人类使用方面都非常多样化。水稻是独特的，因为它可以在其他作物无法存活的潮湿环境中生长。这样的潮湿环境在整个亚洲是丰富的。水稻的驯化是历史上最重要的发展之一，并且目前除南极之外的各个大陆都栽培了数千种稻品种。

从世界最潮湿的地区到最干燥的沙漠，稻的产地和气候条件多种多样。它产于缅甸的若开海岸，那里的生长季节记录的平均降雨量超过5,100mm，以及沙特阿拉伯的哈萨绿洲，那里的年降雨量低于100mm。温度也相差很大。在巴基斯坦上信德，稻季平均为33℃；在日本小樽，生长季节的平均温度为17℃。该作物产于亚洲沿海平原和三角洲地区的海平面，以及尼泊尔山坡海拔2,600m处。稻也在极广范围的太阳辐射下生长，从缅甸、泰国和印度阿萨姆邦部分主要稻季节期间25％的潜能到埃及南部和苏丹的约95％的潜能。水稻在南亚、东南亚和东亚的总种植面积中占据非常高的部分。这种地区经受干湿交替的季节循环，并且还包含世界上许多主要河流，每条河流具有其自己广阔的三角洲。这里，大片平坦、低洼的农田每年在雨季期间和紧随雨季之后被洪水淹没。仅有稻和芋头这两种主要粮食作物在这些饱和土壤和高温条件下容易适于生产。

两种稻种是人类营养的重要谷类食物：在全世界种植的亚洲栽培稻(Oryzasativa)和在西非部分地区种植的非洲栽培稻(O.glaberrima)。仅栽培植物已知的这两个栽培种属于包括约25个其他种的属，但是分类学仍然是研究和争论的问题。亚洲栽培稻被认为起源于约1400万年前的马来西亚。从那时起，它已经进化、多样化并且分散，并且野生稻种现在分布在整个热带地区。它们的基因组可以被分成标记为AA至LL的11个组，并且大多数品种可以被分组成该属的两个主要部分中的紧密相关品种的4个复合体。仅都是二倍体的以下两个品种没有亲缘关系并且被置于该属自己的部分：澳洲稻种(O.australiensis)和短药野生稻(O.brachyantha)。