[发明专利]基于混合卷积网络的小麦种子高光谱图像分类方法及系统

说明书

本发明涉及一种基于混合卷积网络的小麦种子高光谱图像分类方法及系统，包括以下步骤：采集小麦种子的高光谱图像；提取高光谱图像的感兴趣区域，获得单个小麦种子的高光谱图像；构建混合卷积模型，所述混合卷积模型包括一维卷积模块和二维卷积模块，所述一维卷积模块用于提取光谱特征，所述二维卷积模块用于提取空间特征；通过所述混合卷积模型对所述单个小麦种子的高光谱图像进行识别，获得小麦种子品种的分类。其耗时短，不会对种子造成损伤，满足现代农业生产中快速无损的要求，高效便捷。

技术领域

本发明涉及图像分类技术领域，尤其是指一种基于混合卷积网络的小麦种子高光谱图像分类方法及系统。

背景技术

小麦是世界上分布最广的粮食作物之一，其中麦种质量对农业生产安全至关重要。种子纯度是指种子的遗传特性一致的程度，其分类是种子质量检测的重要指标，有利于农产品质量的控制。随着育种研究的快速发展，各种优质种子大量涌入市场，丰富了农业生产，但也使种子品种检测问题复杂化。虽然传统的生化分析方法准确度高，但这些方法时间长，可能对种子造成损伤，不能满足现代农业生产中快速无损的要求。因此，开发一种快速、高效的种子品种检测方法对提高农业生产效率具有重要意义。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中小麦种子品种检测所消耗的时间长，易对种子造成损伤的技术缺陷。

为解决上述技术问题，本发明提供了一种基于混合卷积网络的小麦种子高光谱图像分类方法，包括以下步骤：

S1、采集小麦种子的高光谱图像；

S2、提取高光谱图像的感兴趣区域，获得单个小麦种子的高光谱图像；

S3、构建混合卷积模型，所述混合卷积模型包括一维卷积模块和二维卷积模块，所述一维卷积模块用于提取光谱特征，所述二维卷积模块用于提取空间特征；

S4、通过所述混合卷积模型对所述单个小麦种子的高光谱图像进行识别，获得小麦种子品种的分类。

作为优选的，所述S1和S2之间还包括：对高光谱图像进行标准校正，使得光谱反射率值在0到1之间，获得校正后的高光谱图像。

作为优选的，所述S2包括：

根据高光谱图像构建伪RGB图像，将所述伪RGB图像转换成YCbCr图像；

提取YCbCr图像中的Cb通道，对其进行自动阈值分割，选取小麦种子作为感兴趣区域，生成二值掩膜图像；

将二值掩膜图像与高光谱图像相乘，并分割成单个小麦种子的高光谱图像，对空白部分补零。

作为优选的，所述S3中，所述一维卷积模块包括依次设置的一维卷积层、标准化层、激活函数层和最大池化层。

作为优选的，所述S3中，所述一维卷积层中卷积核大小为5×1，步长为1，填充方式[0，0]；标准化层采用批处理；激活函数采用ReLU函数；最大池化层中卷积核的为3×1，步长为2，填充方式[0，0]。

作为优选的，所述S3中，所述二维卷积模块包括依次设置的二维卷积层、标准化层、激活函数层、二维卷积层、激活函数层和最大池化层。

作为优选的，所述二维卷积层中卷积核大小为3×3，步长为1，填充方式[0，0，0，0]；标准化层采用批处理；激活函数采用ReLU函数；最大池化层中卷积核的为2×2，步长为2，填充方式[0，0，0，0]。

作为优选的，所述S3中，一维卷积模块和二维卷积模块皆具有两个。

作为优选的，所述混合卷积模型还包括全局平局池化层和全连接层，