本發(fā)明涉及圖像分類，更具體的說是涉及一種基于機(jī)器視覺的菜豆種子品種智能識別與分類方法。

背景技術(shù)：

1、菜豆具有豐富的營養(yǎng)價值和廣泛的用途，種植需求也在持續(xù)增長。在菜豆的種植過程中，選擇合適的種子品種對于作物產(chǎn)量和品質(zhì)至關(guān)重要。不同地區(qū)的氣候條件、土壤環(huán)境以及種植技術(shù)的多樣性，決定了菜豆種子挑選的特定需求；而且，種子品種的純度是影響農(nóng)作物產(chǎn)量和質(zhì)量的重要因素之一。在菜豆種子生產(chǎn)和種植過程中，確保種子品種的純度是保障農(nóng)民利益和提高種植效益的關(guān)鍵。而通過識別和分類不同種子品種有助于農(nóng)民和農(nóng)業(yè)管理者更好地了解其特性和適應(yīng)性，可以根據(jù)具體的種植地特性來選擇最適合的種子品種，進(jìn)而確保農(nóng)作物的生產(chǎn)品質(zhì)。

2、傳統(tǒng)種子品種的鑒別方法主要包括形態(tài)鑒定法和化學(xué)鑒定法；其中，形態(tài)鑒定法通過人眼識別種子外部特征進(jìn)行分類，雖然具有一定的分類效果，但存在分類標(biāo)準(zhǔn)不統(tǒng)一、分類速度慢、誤判率高、浪費(fèi)人力等缺點(diǎn)；而化學(xué)鑒定法則是通過使用化學(xué)試劑滴定的方法實(shí)現(xiàn)對種子品種的識別，盡管能夠達(dá)到一定的鑒別效果，但也存在鑒定時間長、對種子有一定破壞性等缺點(diǎn)，無法滿足規(guī)?；N植的需求，難以廣泛推廣應(yīng)用。機(jī)器視覺(mv)是根據(jù)檢測目標(biāo)圖像的直觀特征進(jìn)行處理的技術(shù)；其作為一種快速無損的檢測技術(shù)，mv已經(jīng)成功應(yīng)用于農(nóng)產(chǎn)品檢測，特別是在種子的生產(chǎn)、質(zhì)量控制和雜質(zhì)鑒定等領(lǐng)域。然而，目前針對菜豆種子分類的研究相對較少；為了向農(nóng)民提供科學(xué)的種植指導(dǎo)，提升種子純度和種植質(zhì)量，推動菜豆生產(chǎn)的可持續(xù)發(fā)展，需要在種植前期實(shí)現(xiàn)菜豆種子品種的快速、無損鑒別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于機(jī)器視覺的菜豆種子品種智能識別與分類方法，通過結(jié)合機(jī)器視覺技術(shù)、圖像處理和機(jī)器學(xué)習(xí)等多種技術(shù)手段，實(shí)現(xiàn)了對菜豆種子品種的快速、準(zhǔn)確、無損的智能識別與分類，為菜豆的育種和大規(guī)模種植提供了有力支持。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于機(jī)器視覺的菜豆種子品種智能識別與分類方法，包括以下步驟：

4、拍攝不同品種的菜豆種子，獲得菜豆種子的原始圖像；

5、將原始圖像分為訓(xùn)練集和測試集，進(jìn)行預(yù)處理，并提取菜豆種子的外觀特征和幾何特征；其中，訓(xùn)練集為各個品種的菜豆種子的訓(xùn)練樣本的集合；測試集為各個品種的菜豆種子的測試樣本的集合；

6、利用從訓(xùn)練集中提取的外觀特征和幾何特征訓(xùn)練初步的分類模型，并經(jīng)過參數(shù)調(diào)優(yōu)，得到訓(xùn)練好的分類模型；

7、基于訓(xùn)練好的分類模型，對待識別與分類的菜豆種子進(jìn)行識別與分類。

8、進(jìn)一步地，所述拍攝不同品種的菜豆種子，包括以下過程：

9、構(gòu)建菜豆種子圖像采集系統(tǒng)；其中，所述圖像采集系統(tǒng)，包括：高分辨率相機(jī)、環(huán)形補(bǔ)光燈、樣本載物臺、遮光箱和計算機(jī)；

10、所述高分辨率相機(jī)，用于對菜豆種子的特征進(jìn)行拍攝，以得到原始圖像；

11、所述環(huán)形補(bǔ)光燈，用于為高分辨率相機(jī)提供均勻和充足的光線，以確保原始圖像上的顏色和細(xì)節(jié)被準(zhǔn)確呈現(xiàn)；

12、所述樣本載物臺，用于放置菜豆種子，以確保在拍攝過程中菜豆種子保持穩(wěn)定；

13、所述遮光箱，用于創(chuàng)建無干擾的拍攝環(huán)境，以防止外部光線干擾；

14、所述計算機(jī)，用于控制高分辨率相機(jī)拍攝，并處理原始圖像，進(jìn)行特征提??；

15、將單粒菜豆種子放置在樣本載物臺上，調(diào)整高分辨率相機(jī)的焦距和環(huán)形補(bǔ)光燈的亮度，以得到清晰且無反光與陰影的種子圖像；

16、逐粒采集所有菜豆種子的原始圖像，并進(jìn)行編號。

17、進(jìn)一步地，所述訓(xùn)練集為各個品種的菜豆種子的訓(xùn)練樣本的集合；測試集為各個品種的訓(xùn)練樣本的測試樣本的集合，具體為：

18、利用留出法將不同品種的菜豆種子分別按7：3的比例分為訓(xùn)練樣本和測試樣本。

19、進(jìn)一步地，所述提取菜豆種子的外觀特征，包括：提取菜豆種子的顏色特征和花紋特征；

20、所述顏色特征，包括：菜豆種子的主體顏色、本體顏色和花紋顏色；

21、所述花紋特征，包括：花紋個數(shù)；

22、提取所述菜豆種子的主體顏色和花紋顏色，包括：每個顏色分別提取rgb三個通道的平均值以及花紋個數(shù)，共計7個特征；

23、提取所述菜豆種子的本體顏色和花紋顏色，包括：每個顏色分別提取rgb三個通道的平均值，共計6個特征；

24、所述幾何特征，包括：縱橫比和種子大小。

25、進(jìn)一步地，所述初步的分類模型，具體為：支持向量機(jī)分類模型；

26、所述支持向量機(jī)分類模型的構(gòu)建方法為：

27、以訓(xùn)練集中提取的外觀特征和幾何特征作為輸入，以訓(xùn)練集種子樣本的真實(shí)品種標(biāo)簽作為輸出；經(jīng)過5折交叉驗(yàn)證進(jìn)行參數(shù)調(diào)優(yōu)，懲罰系數(shù)設(shè)置為45，使用線性的核函數(shù)構(gòu)建初步的分類模型。

28、進(jìn)一步地，所述將原始圖像分為訓(xùn)練集和測試集，進(jìn)行預(yù)處理，并分別提取菜豆種子的外觀特征和幾何特征；其中，進(jìn)行預(yù)處理，提取菜豆種子的外觀特征，包括以下步驟：

29、利用高斯濾波器去除原始圖像中的噪聲點(diǎn)；

30、設(shè)定合適的顏色閾值將原始圖像轉(zhuǎn)換為二值圖像；

31、基于canny邊緣提取算法提取原始圖像中花紋的邊緣輪廓并保存，利用形態(tài)學(xué)開運(yùn)算以平滑花紋的輪廓線，斷開狹窄空間和消除細(xì)小的凸出；

32、讀取每個輪廓內(nèi)像素點(diǎn)的數(shù)量，舍棄含有較少像素點(diǎn)的輪廓，計算并統(tǒng)計剩余輪廓的個數(shù)，以得到花紋的數(shù)目；

33、利用提取的花紋顏色創(chuàng)建掩膜，將提取到的花紋區(qū)域的像素值設(shè)為0，生成掩膜圖像，并將掩膜圖像與原始圖像做邏輯與運(yùn)算，得到菜豆本體顏色特征。

34、進(jìn)一步地，將原始圖像分為訓(xùn)練集和測試集，進(jìn)行預(yù)處理，并提取種子樣本的外觀特征和幾何特征；其中，進(jìn)行預(yù)處理，提取種子樣本的幾何特征，包括以下步驟：

35、使用大津算法對原始圖像進(jìn)行二值化處理，并進(jìn)行雙邊濾波處理；

36、利用opencv中的查找輪廓與輪廓提取算法提取菜豆種子的整體輪廓，得到輪廓中的像素點(diǎn)個數(shù)，以比率代表或換算菜豆種子的實(shí)際面積作為種子的大??；

37、求取菜豆種子的最小外接矩形，得到矩形的長和寬，以矩形的長和寬的比值作為種子的縱橫比。

38、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

39、本發(fā)明提供的基于機(jī)器視覺的菜豆種子品種智能識別與分類方法，通過獲取不同品種的菜豆種子圖像，對菜豆種子圖像進(jìn)行圖像預(yù)處理和信息提取，可以得到圖像的顏色特征、花紋特征和幾何特征，具體包括主體顏色(rgb三個通道)、花紋顏色(rgb三個通道)、縱橫比、大小和花紋個數(shù)等共9個特征，并基于7：3的比例進(jìn)行數(shù)據(jù)集劃分，進(jìn)而基于提取出的9個特征進(jìn)行菜豆種子品種的分類模擬，實(shí)現(xiàn)了菜豆種子品種的識別。而且通過測試結(jié)果表明，本發(fā)明的方法還有助于提高菜豆品種的識別效率，促進(jìn)種植管理精準(zhǔn)化，推動農(nóng)業(yè)生產(chǎn)智能化升級，進(jìn)而推動農(nóng)業(yè)現(xiàn)代化發(fā)展，對農(nóng)業(yè)產(chǎn)業(yè)的發(fā)展和農(nóng)民的收益都具有積極的促進(jìn)作用，同時還為菜豆種子的品種檢測等應(yīng)用領(lǐng)域提供了詳實(shí)而豐富的數(shù)據(jù)支持。