一種籽粒分類方法及裝置制造方法及圖紙

本發明專利技術提供了一種籽粒分類方法及裝置，包括：根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；獲取待測試籽粒的特征參數向量；根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。本發明專利技術實現了對籽粒進行快速識別和分類；提高了分類的準確度和分類的效率。

Grain classification method and device

The invention provides a device and a grain classification method, including: the establishment of the original training data according to a preset dictionary, corresponding relationship between the feature vector and the grain type of grain storage of the original dictionary; the preset training data includes a plurality of kernel parameter vector and a plurality of grain types; feature parameter vector acquisition test grain; according to the characteristic parameter vector to test grain queryget the original dictionary, acquisition and test of grain characteristic parameter vector corresponding to the type of grain. The invention realizes rapid identification and classification of seeds, and improves the accuracy of classification and the efficiency of classification.

【技術實現步驟摘要】
一種籽粒分類方法及裝置
本專利技術涉及識別
，具體涉及一種籽粒分類方法及裝置。
技術介紹
籽粒的品種識別及品質鑒定在種質判別和現代化糧庫倉儲管理等領域有著廣闊的應用前景。目前主要采用人工手段從外形、色澤、凈度等方面進行綜合評價，因而存在主觀性強、效率低和可重復性差的缺點，增強了籽粒品種分類的不確定性。當前，隨著計算機技術的迅速發展，機器視覺得以廣泛應用于農作物籽粒品質檢測和識別分類中，為農業實行高效生產提供保障。與人類的視覺相比，機器視覺代替人工進行品種鑒別不僅能夠降低人的主觀因素影響，實現自動化；還可以降低檢驗誤差，提高準確度和精度。現有的技術中，采用稀疏表示分類器對籽粒進行識別分類，在訓練樣本較大的情況下計算量較大，這樣會對籽粒的識別分類造成一定影響，導致存在分類準確度不高，效率低的問題。
技術實現思路
為解決上述技術問題，本專利技術提供一種籽粒分類方法及裝置，實現了對籽粒進行快速識別和分類；提高了分類的準確度和分類的效率。為實現上述目的，本專利技術提供以下技術方案：一方面，本專利技術提供了一種籽粒分類方法，包括：根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；獲取待測試籽粒的特征參數向量；根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。進一步的，所述獲取待測試籽粒的特征參數向量的步驟之后，還包括：對所述原始字典進行更新和迭代處理以獲取特征字典；所述特征字典中存儲有更新和迭代處理后籽粒特征參數向量與更新和迭代后的籽粒種類的對應關系；根據獲取的待測試籽粒的特征參數向量查詢所述特征字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。進一步的，所述對所述原始字典進行更新和迭代處理以獲取特征字典，具體包括：采用所述原始字典對所述訓練樣本籽粒進行稀疏表示得到稀疏表示系數矩陣；對所述系數矩陣進行迭代處理獲取特征字典。進一步的，所述根據預設訓練數據建立原始字典，包括：采用核函數的方式將所述預設訓練數據映射到高維空間中，在所述高維空間中對所述預設訓練數據中線性不可分數據變成線性可分數據。進一步的，所述籽粒特征參數包括：籽粒顏色的色度分量、籽粒顏色的飽和度分量、籽粒顏色的亮度分量、籽粒形狀的矩形度、籽粒形狀的伸長度和籽粒形狀的面積。進一步的，所述根據獲取的待測試籽粒的特征參數向量查詢所述原始字典獲取與待測試籽粒的特征參數向量對應的籽粒種類，包括：在原始字典中查詢與所述測試籽粒的特征參數向量的誤差最小的目標特征參數向量；根據所述目標特征參數向量確定所述待測試籽粒的特征參數向量對應的籽粒種類。另一方面，本專利技術提供了一種籽粒分類裝置，包括：字典模塊，用于根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；采集模塊，用于獲取待測試籽粒的特征參數向量；查詢模塊，用于根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。進一步的，所述裝置還包括：更新模塊，用于對所述原始字典進行更新和迭代處理以獲取特征字典；所述特征字典中存儲有更新和迭代處理后籽粒特征參數向量與更新和迭代后的籽粒種類的對應關系；輸出模塊，用于根據獲取的待測試籽粒的特征參數向量查詢所述特征字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。進一步的，所述字典模塊中包括：存儲單元，用于存儲所述籽粒特征參數，包括：籽粒顏色的色度分量、籽粒顏色的飽和度分量、籽粒顏色的亮度分量、籽粒形狀的矩形度、籽粒形狀的伸長度和籽粒形狀的面積。進一步的，所述查詢模塊包括：誤差單元，用于在原始字典中查詢與所述測試籽粒的特征參數向量的誤差最小的目標特征參數向量；定位單元，同于根據所述目標特征參數向量確定所述待測試籽粒的特征參數向量對應的籽粒種類。由上述技術方案可知，本專利技術所述的一種籽粒分類方法及裝置，通過在原始字典中查詢測試籽粒的特征參數向量對應的籽粒種類，實現了根據原始字典對籽粒進行快速識別和分類；提高了分類的準確度和分類的效率。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術實施例一提供的一種籽粒分類方法的流程示意圖；圖2是本專利技術實施例二提供的一種籽粒分類方法的流程示意圖；圖3是本專利技術實施例二提供的一種籽粒分類方法中步驟S203的流程圖；圖4是本專利技術的一種籽粒分類裝置的結構示意圖。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整的描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。目前主要采用人工手段對籽粒的品種進行綜合評價，存在主觀性強、效率低和可重復性差的缺點，增強了籽粒品種分類的不確定性。隨著計算機技術的迅速發展，機器視覺得以廣泛應用于農作物籽粒品質檢測和識別分類中，為農業實行高效生產提供保障。現有的技術中，采用稀疏表示分類器對籽粒進行識別分類，在訓練樣本較大的情況下計算量較大，這樣會對籽粒的識別分類造成一定影響，導致存在分類準確度不高，效率低的問題。為解決上述技術問題，本專利技術實施例提供一種籽粒分類方法及裝置。實施例一本專利技術實施例提供一種籽粒分類方法，參見圖1，該方法包括：S101：根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；在本步驟中，利用對訓練樣本籽粒的圖像采用PCA(PrincipalComponentAnalysis)進行降維處理和采用SIFT(Scale-invariantfeaturetransform)進行特征提取；得到的數據存在線性不可分情況。因此，為使訓練出的字典能夠更好地代表整個訓練集，把這些線性不可分數據考慮進去：采用核函數將降維處理后的數據映射到高維空間里，即特征空間，在特征空間里，這些數據將變成線性可分，從而簡化處理。提取訓練樣本籽粒的特征參數，根據特征參數和籽粒的種類生成數據矩陣；采用核函數的方式對訓練樣本的數據矩陣進行加核處理后獲得原始字典。S102：獲取待測試籽粒的特征參數向量；在本步驟中，利用對待測試樣本籽粒的圖像采用PCA進行降維處理和采用SIFT進行特征提取；并采用核函數將線性不可分數據變成線性可分數據。根據特征參數生成待測試籽粒的特征參數向量。S103：根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。在本步驟中，在原始字典中查詢與所述測試籽粒的特征參數向量的誤差最小的目標特征參數向量；根據所述目標特征參數向量確定所述待測試籽粒的特征參數向量對應的籽粒種類。從上述描述可知，本實施例提本文檔來自技高網...

【技術保護點】
一種籽粒分類方法，其特征在于，包括：根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；獲取待測試籽粒的特征參數向量；根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。

【技術特征摘要】
1.一種籽粒分類方法，其特征在于，包括：根據預設訓練數據建立原始字典，所述原始字典中存儲有籽粒特征參數向量與籽粒種類的對應關系；所述預設訓練數據包括多個籽粒特征參數向量以及多個籽粒種類；獲取待測試籽粒的特征參數向量；根據獲取的待測試籽粒的特征參數向量查詢所述原始字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。2.根據權利要求1所述的方法，其特征在于，所述獲取待測試籽粒的特征參數向量的步驟之后，還包括：對所述原始字典進行更新和迭代處理以獲取特征字典；所述特征字典中存儲有更新和迭代處理后籽粒特征參數向量與更新和迭代后的籽粒種類的對應關系；根據獲取的待測試籽粒的特征參數向量查詢所述特征字典，獲取與待測試籽粒的特征參數向量對應的籽粒種類。3.根據權利要求2所述的方法，其特征在于，所述對所述原始字典進行更新和迭代處理以獲取特征字典，具體包括：采用所述原始字典對所述訓練樣本籽粒進行稀疏表示得到稀疏表示系數矩陣；對所述系數矩陣進行迭代處理獲取特征字典。4.根據權利要求1或2所述的方法，其特征在于，所述根據預設訓練數據建立原始字典，包括：采用核函數的方式將所述預設訓練數據映射到高維空間中，在所述高維空間中對所述預設訓練數據中線性不可分數據變成線性可分數據。5.根據權利要求1或2所述的方法，其特征在于，所述籽粒特征參數包括：籽粒顏色的色度分量、籽粒顏色的飽和度分量、籽粒顏色的亮度分量、籽粒形狀的矩形度、籽粒形狀的伸長度和籽粒形狀的面積。6.根據權利要求1所述的方法，其特征在于，所述根據獲取的待測試籽粒的特征參數向量查詢所述原...

【專利技術屬性】
技術研發人員：李振波，朱華，岳峻，李晨，吳靜，朱玲，李道亮，
申請(專利權)人：中國農業大學，
類型：發明
國別省市：北京,11