[发明专利]一种基于卷积神经网络的玉米制种果穗图像初级分类方法

摘要

本发明提供一种基于卷积神经网络的玉米制种果穗图像初级分类方法，包括：获取玉米果穗图像原始训练样本集和测试样本集；通过迁移学习方法，利用AlexNet卷积神经网络，根据判别得到每一果穗测试样本的所属类型及每一测试样本的实际所属类型，确定判别结果的准确率；若准确率在预设范围外，根据扩增果穗训练样本集，优化AlexNet卷积神经网络，得到第二卷积神经网络，并重新判别所述测试样本集中每一测试样本所属类型。本发明通过从隐含层自主学习果穗图像由颜色、边等低层到角点、形状等高层特征的方式，避免了人工提取果穗图像特征的繁琐与片面，使卷积神经网络具有自主选取图像特征并进行学习、识别能力，对于玉米制种果穗初级自动化穗选提供了方法。

主权项

1.一种基于卷积神经网络的玉米制种果穗图像初级分类方法，其特征在于，包括：S1、获取玉米果穗原始训练样本集和玉米果穗测试样本集，所述玉米果穗原始训练样本集和所述玉米果穗测试样本集均包括正常玉米果穗的二维彩色图像、带苞叶玉米果穗的二维彩色图像和其他玉米果穗的二维彩色图像；S2、通过AlexNet第一卷积神经网络，判别所述玉米果穗测试样本集中每一测试样本的所属类型，每一测试样本的所属类型为正常玉米果穗、带苞叶玉米果穗或其他玉米果穗；S3、根据判别得到的每一玉米果穗测试样本的所属类型以及每一测试样本的实际所属类型，确定判别结果的准确率；S4、若所述判别结果的准确率在预设范围之外，根据扩增玉米果穗训练样本集，对所述AlexNet第一卷积神经网络进行优化训练，得到第二卷积神经网络，利用所述第二卷积神经网络重新判别所述玉米果穗测试样本集中每一测试样本的所属类型，所述扩增玉米果穗训练样本集通过增大所述玉米果穗原始训练样本集中原始训练样本的数量获得。