【技术实现步骤摘要】
一种基于高光谱的种子品种品质检测方法、系统
[0001]本专利技术属于农作物检测
,尤其涉及一种基于高光谱的种子品种品质检测方法、系统。
技术介绍
[0002]目前,高光谱技术是光谱技术和图像技术融合的无损检测技术,图像信息表征粮种的外观大小、形状、缺陷等视觉特性,光谱信息能充分反映样品内部的物理结构、化学成分的差异,“图谱合一”具有更高的分析检测潜质。图像信息可以反映样本的等外部品质特征,由于不同成分对光谱吸收也不同,高光谱技术目标的空间特征成像的同时,对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖可同时获取被测物体的空间信息和图像中毎个像素点的光谱信息,这些特点决定了高光谱图像技术粮种检测方面的独特优势。
[0003]近年来,光谱技术在农作物种子领域,从种子的表面特性到内部品质的各项品质检测研究各方面取得了一些研究进展,主要集中在种子品种分类及纯度检测、种子活力区分、种子真菌感染检测和种子化学成分检测几方面:
[0004](1)品种分类
[0005]种子品种识别本质上是一个模式识别问题。充分提取分类特征,保证了辨识模型的准确性和鲁棒性。现有技术1公开了利用光谱和图像组合特征识别水稻品种和品质的方法,分类准确率达到94.45%。现有技术2从糯玉米种子高光谱数据中提取光谱、形态和结构特征,对种子侧和胚乳侧19个最佳波长的分类准确率分别达到98.2%和96.3%。但是,由于缺乏有效的知识来指导特征提取,所提取的特征往往含有不相关甚至无用的信息,导致分类器遭受维数灾难, ...
【技术保护点】
【技术特征摘要】
1.一种基于高光谱的种子品种品质检测方法,其特征在于,所述基于高光谱的种子品种品质检测方法包括:提取敏感区域的平均光谱,利用不同的光谱特征构建基于卷积神经网络的粮种种类预测模型;同时结合粮种的形态、表面纹理信息辅助光谱数据共同判别,利用高光谱成像方法对粮种进行快速无损检测。2.如权利要求1所述基于高光谱的种子品种品质检测方法,其特征在于,所述基于高光谱的种子品种品质检测方法包括以下步骤:步骤一,利用光谱融合相机获取待检测粮种的高光谱图像,并对获取的待检测粮种高光谱图像进行预处理;基于预处理后的待检测粮种高光谱图像进行粮种光谱特征、粮种表面纹理特征以及粮种形态特征的提取;步骤二,结合PLS
‑
DA构建基于深度卷积神经网络的自适应粮种全波段检测模型,并构建粮种光谱
‑
成分关联模型;对所述基于深度卷积神经网络的自适应粮种全波段检测模型以及粮种光谱
‑
成分关联模型进行训练优化;步骤三,将高光谱图像以及提取的粮种光谱特征、粮种表面纹理特征以及粮种形态特征输入优化后的基于深度卷积神经网络的自适应粮种全波段检测模型、粮种光谱
‑
成分关联模型中,得到粮种品种检测结果以及成分检测结果。3.如权利要求2所述基于高光谱的种子品种品质检测方法,其特征在于,所述对获取的待检测粮种高光谱图像进行预处理包括:利用一阶导数、均值中心化、正交信号校正和多元散射校正对获取的粮种高光谱图像进行预处理。4.如权利要求2所述基于高光谱的种子品种品质检测方法,其特征在于,所述利用多元散射校正对获取的粮种高光谱图像进行预处理包括:首先,根据正交信号校正后的粮种高光谱图像计算得到所述粮种高光谱图像全波段的平均反射率;其次,将所述粮种高光谱图像全波段的平均反射率与粮种高光谱图像中各波段下的反射率进行一元线性回归拟合,得到多元散射校正后的粮种高光谱图像。5.如权利要求2所述基于高光谱的种子品种品质检测方法,其特征在于,所述对粮种光谱
‑
成分关联模型进行训练优化包括:首先,获取多种不同种类的粮种的高光谱数据,并利用生化手段测量所述不同种类的粮种的主要成分指标;其次,将所述不同种类的粮种的高光谱数据与各粮种主要成分指标进行关联映射;并构建数据集;将构建的数据集随机划分为训练集与验证集;然后,获取构建的以高光谱数据为输入,以粮种主要成分为输出的粮种光谱
‑
成分关联模型中;最后,利用训练集对所述粮种光谱
‑
成分关联模型进行训练,并利用验证集对所述粮种光谱
‑
成分关联模型进行验证,得到优化后的粮种光谱
‑
成分关联模型。6.如权利要求2所述基于高光谱的种子品种品质检测方法,其特征在于,所述基于高光谱的种子品种品质检测方法还包括:构建粮种的光谱、形态及纹理特征数据库;并将粮种的栽培特性添加至光谱、形态及纹理特征数据库中,对种子的栽培特性进行判断。
7.一种实施如权利要求1
‑
6任意一项所述基于高光谱的种子品种品质检测方法的基于高光谱的种子品种品质检测系统,其特征在于,所述基于高光谱的种子品种品质检测系统包括:图像采集模块,与中央控制模块连接,用于利用光谱融合相机获取待检测粮种的高光谱图像;图像预处理模块,与中央控制模块连接,用于对获取的待检测粮种高光谱图像进行预处理;中央控制模块,与图像采集模块、图像预处理模块、特征提取模块、检测模型构建模块、关联模型构建模块、模型优化模块、分类识别及成分检测模块、栽培特性判断模块、数据库构建模块、存储模块以及显示模块连接,用于利用单片机或控制器控制各个模...
【专利技术属性】
技术研发人员:刘君玲,
申请(专利权)人:吉林工程技术师范学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。