[发明专利]一种基于深度学习卷积神经网络的作物种子净度判断方法有效
| 申请号： | 201910208265.3 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN109949323B | 公开（公告）日： | 2022-12-20 |
| 发明（设计）人： | 刘军;戴彰言;陈兵先;张文虎 | 申请（专利权）人： | 广东省农业科学院农业生物基因研究中心 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06N3/04 |
| 代理公司： | 广州蓝晟专利代理事务所(普通合伙) 44452 | 代理人： | 栾洋洋 |
| 地址： | 510000 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习卷积神经网络的作物种子净度判断方法，包括步骤：取某种作物种子称重量后置于种子净度分析台上，使作物种子照片同步传入计算机处理系统；计算净种子和杂质轮廓；对分离后的正常净种子、杂质的轮廓照片进行分类，将籽粒分为正常作物净种子和杂质；使用正常作物净种子和杂质轮廓照片对深度卷积神经网络进行训练；使用验证照片对深度卷积神经网络进行验证；使用深度卷积神经网络对某种具体作物种子净照片进行判定，分离出正常作物种子和杂质，计算作物种子净度。本发明在种子净度判断过程中，可以对水稻种子进行详细地分类统计，同时本发明还能对一批数量较大的样品进行自动编号、记录和统计，省工高效。 | ||
| 搜索关键词： | 一种 基于 深度 学习 卷积 神经网络 作物 种子 判断 方法 | ||
【主权项】：
1.一种基于深度学习卷积神经网络的作物种子净度判断方法，其特征在于，包括步骤S1：取一定数量的某种作物种子称重量后置于种子净度分析台上，开启工作台上的拍照系统，使作物种子照片同步传入计算机处理系统；S2：从预先称重好的该作物种子照片中分离出正常作物净种子和杂质，所述杂质包括土石、杂草和其他植物种子，利用计算机视觉算法，计算净种子和杂质轮廓；S3：对分离后的种子、杂质的轮廓照片进行分类，将籽粒分为正常作物净种子和杂质；S4：使用正常作物净种子和杂质轮廓照片对深度卷积神经网络进行训练；S5：使用验证照片对所述深度卷积神经网络进行验证；S6：使用所述深度卷积神经网络对某种具体作物种子照片进行判定，分离出正常作物净种子和杂质，统计出正常净种子的数量，根据正常净种子的平均千粒重，计算出正常净种子的重量和作物种子净度，作物种子净度＝(正常净种子的重量/供测试种子总重量)×100％。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东省农业科学院农业生物基因研究中心，未经广东省农业科学院农业生物基因研究中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910208265.3/，转载请声明来源钻瓜专利网。
