[发明专利]一种种子特征提取和分类识别系统及方法

权利要求书

1.一种种子特征提取和分类识别系统，其特征在于，包括灯箱(2)，所述灯箱(2)顶部设有拍摄机(1)，所述拍摄机(1)为安装在手机上的微距镜头，手机内设有内置存储卡；所述拍摄机(1)两侧分别设有光源(4)；

所述灯箱(2)内底面设有载物台(3)，用于放置植物种子实物，所述载物台(3)与种子接触面铺一层黑色绒布。

2.根据权利要求1所述的种子特征提取和分类识别方法，其特征在于，所述微距镜头的放大倍数分别有6倍或12倍或21倍。

3.根据权利要求1所述的种子特征提取和分类识别方法，其特征在于，所述灯箱(2)是双层PP塑料不透光的箱子，尺寸为330mm×260mm×260mm。

4.根据权利要求1所述的种子特征提取和分类识别方法，其特征在于，所述光源(4)由两个色温5500K的LED灯板组成，输入电压100V到240V，输出电压为12V，亮度为8500LUX，光照足以覆盖整个种子，且光线均匀。

5.一种种子特征提取和分类识别方法，其特征在于，包括：

数据的获取与处理；

种子特征的提取；

种子识别网络的建立和训练。

6.根据权利要求5所述的种子特征提取和分类识别方法，其特征在于，所述数据的获取与处理包括：

搭建一个数据采集设备，采集88类种子图像，同时对数据进行裁剪等预处理，并经过人工标注、筛选和处理，制作了一个数据集，用来训练神经网络；

图片获取以后，将图片存入设备后，当进行特征提取时直接导入图片。

7.根据权利要求5所述的种子特征提取和分类识别方法，其特征在于，所述种子特征的提取包括：

实现提取以下种子图像特征:

基本特征:面积、周长、形心、长轴、短轴、长短轴之比、最大跨度、最大内切圆半径、最小外接圆半径；

颜色特征:R、G、B、L均值与方差；

不变矩特征:7个Hu氏不变矩；

纹理特征:LBP、Uniform LBP特征；

原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0；这样，3*3邻域内的8个点经比较可产生8位二进制数；换算成十进制后就作为此邻域内中心像素点的LBP值；依照此方法将全图所有像素点的LBP值计算出来则得到反映了图像局部纹理特征的LBP特征图谱；

一个LBP算子产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P²种模式；

当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类。

8.根据权利要求5所述的种子特征提取和分类识别方法，其特征在于，所述种子识别网络的建立和训练包括：

利用Transformer中的self-attention机制来获取每个块之间的信息；

经过筛选后，选择具有显著性判别区域的块通过CNN进行处理；

Transformer结构即由若干个block组成，将每一个Transformer block中的每个注意力头返回的权值向量送入部分选择模块进行运算；设MSA共有K个注意力头，则L-1个block返回的权值向量a_l可表示为：

在得到了L-1个层的权值向量后，将其累乘即可得到能够捕捉到信息从输入层传播到更高层次的编码向量a_Final:

针对a_Final中每一个元素进行排序，并取前T个元素的下标；然后部分选择模块PSM，从中筛选Ns＝K×T个向量Z_T，利用同样的方法,通过图像选择模块ISM，从输入的原始图像中获取Ns个块Z_C；

通过这两个模块就筛选出信息量较大的向量和图像中的显著性判别区域；

向量X经过L-1个Encoder模块进行编码，返回每层的权值矩阵a和Encoder的输出Z；然后经过PSM对其进行选择，得到选择后的Z_T，同样，经过ISP选择得到原图的Z_C；

然后将Z_C送入CNN进行处理，获取该区域的局部信息Z_S，然后将Z_S和Z_T进行连接，送入到block中进行处理得到Z_final；具体可以表示为：

Z_T＝PSM(X),Z_C＝ISM(X),Z_S＝CNN(Z_C)

Z_final＝Block(concat(Z_S,Z_T))

将编码向量和局部信息结合后送入到block中，将具有远程信息的特征和经过CNN处理获得局部信息的特征进行了结合，并进行了输出。