[发明专利]一种基于深度学习的稻谷损伤检测方法、系统及存储介质

说明书

本发明涉及稻谷内部损伤检测技术领域，公开了一种基于深度学习的稻谷损伤检测方法、系统及存储介质，该方法通过将待检测稻谷的图像；输入预先构建的目标模型，获取目标模型输出的检测结果，其中，目标模型包括稻谷检测子模型和分类计数子模型，稻谷检测子模型用于对图像进行识别，分类计数子模型用于基于识别结果进行分类处理得到检测结果；这样，基于稻谷检测子模型和分类计数子模型可以快速实现对稻谷内部损伤的检测。

技术领域

本发明涉及稻谷内部损伤检测技术领域，尤其涉及一种基于深度学习的稻谷损伤检测方法、系统及存储介质。

背景技术

水稻是我国最重要的粮食作物之一，近年来，水稻机械化收获与干燥技术发展迅速，大大提高了生产效率。在采用机械化收获、干燥稻谷时，会不可避免地造成谷粒损伤，谷粒损伤包括外部损伤和内部损伤，外部损伤主要表现为破壳和谷粒破碎，较容易辨别和分选；内部损伤主要表现为谷粒内部的应力裂纹，影响谷粒的存储与加工后大米品质等级，特别是谷粒作为种子时会影响其发芽率，但内部损伤的稻谷其谷壳是完好的，难以直接辨别，传统的检测方法是将稻谷谷壳剥开后借助放大镜、显微镜等仪器进行观察，费事费力，效率低下。

可见，如何快速实现对稻谷内部损伤的检测，成为一个亟需解决的问题。

发明内容

本发明提供了一种基于深度学习的稻谷损伤检测方法、系统及存储介质，以快速实现对稻谷内部损伤的检测。

为了实现上述目的，本发明通过如下的技术方案来实现：

第一方面，本发明提供一种基于深度学习的稻谷损伤检测方法，包括：

获取待检测稻谷的图像；

将所述图像输入预先构建的目标模型，获取所述目标模型输出的检测结果；

其中，所述目标模型包括稻谷检测子模型和分类计数子模型，所述稻谷检测子模型用于对所述图像进行识别，所述分类计数子模型用于基于识别结果进行分类处理得到检测结果，所述检测结果包括内部有损伤稻谷数量、内部无损伤稻谷数量以及损伤率。

可选地，所述将所述图像输入预先构建的目标检测模型，获取所述目标检测模型输出的检测结果，包括：

基于稻谷检测子模型确定图像中的稻谷类型，所述稻谷类型包括内部有损伤稻谷或者内部无损伤稻谷；

锁定图像中的稻谷区域，生成所述稻谷区域对应的目标框，并确定所述目标框的目标框坐标和目标框类型，所述目标框坐标用于指示稻谷在图像中的位置，所述目标框类型用于指示图像中的稻谷类型；

采用分类计数子模型根据同一稻谷在相邻两帧图像中的目标框的坐标和类型确定检测结果。

可选地，所述采用分类计数子模型根据同一稻谷在相邻两帧图像中的目标框的坐标和类型确定检测结果，包括：

若稻谷在当前帧中的目标框和上一帧中的目标框之间的关系满足第一预设条件，则记为内部有损伤稻谷数量加1，若稻谷在当前帧中的目标框和上一帧中的目标框之间的关系满足第二预设条件，则记为内部无损伤稻谷数量加1，若稻谷在当前帧中的目标框和上一帧中的目标框之间的关系满足第三预设条件，则稻谷数量的计数不变。

可选地，所述第一预设条件包括：

稻谷为内部有损伤稻谷的情况下，稻谷在当前帧中的目标框坐标的值大于稻谷在上一帧中的目标框坐标的值；或者，

稻谷为内部有损伤稻谷的情况下，稻谷在当前帧中的目标框坐标的值小于或等于稻谷在上一帧中的目标框坐标的值，且稻谷在当前帧中的目标框类型与稻谷在上一帧中的目标框类型不同。

可选地，所述第二预设条件包括：

稻谷为内部无损伤稻谷的情况下，稻谷在当前帧中的目标框坐标的值大于稻谷在上一帧中的目标框坐标的值。