全国服务咨询热线:

18457147929,13867128415

article技术文章
首页 > 技术文章 > 基于少量训练样本的玉米籽粒分类

基于少量训练样本的玉米籽粒分类

更新时间:2024-08-07      点击次数:221

基于少量训练样本的玉米籽粒分类

        玉米在全球谷物市场占主导地位。根据数据统计显示出该谷物在世界经济中的重要性,必须在其商业化过程中定义标准,其中包含品质分析。

目前,玉米籽粒的品质分析是由专家手动进行的,检查过程由于存在目视的主观性,使得这项任务繁琐、复杂且易错。


   我司提出了一种有效的方法来对一组接触的玉米粒进行分类,其中可能包含良好或有缺陷的玉米粒以及杂质。所提出的方法包括两个阶段,

第一个阶段是分割网络,通过使用一组合成图像进行训练,该图像用于将给定图像划分为一组单独的实例。然后提出一个高效的轻量级CNN架构,

将每个实例分为三类(即好,有缺陷和杂质)。该策略避免了耗时且容易出现人为错误的手动数据注释任务。在分类阶段,所提出的网络仅设计了几组层,

形成了能够用于集成解决方案的轻量级架构。实验结果与先前方法比较表明,该方法在精度和时间上都有提高。最后,提出的分割和分类方法可以方便地应用于其他谷物类型。

c63e67ce23c3c1d6482db9cbeafc2746_20230926155329953.jpg

图1 用于合成谷物成簇的整体管道。

首先,裁剪来自真实世界图像的每个颗粒(即颗粒网格)。然后,使用背景减法提取颗粒的面积。接下来,通过定位算法将颗粒插入到空的合成图像中;

最后,在合成图像上应用自定义背景。

f08d96ffe77357c815d72d92515a11e8_20230926155358640.jpg

                                                                               以合成的玉米颗粒簇的图像为例(未使用分类模块)

f7a5fce5ad314e05a300ab011cf7e14f_20230926155432257.jpg


                                                                                               图3 提出了一种轻量级分类架构。

359460cc7de240ac4e96600316f51d78_20230926155505628.jpg

b4076bf1a08bcea16849289126b1d85b_20230926155725792.jpg

                                                           CK-CNN和提出的CK-CNNLW模型对好的玉米类(三分类情况)的ROC曲线。




浙江以象科技有限公司
地址:浙江省温州市鹿城区藤桥镇南市中路155号七楼
邮箱:510433896@qq.com
关注我们
欢迎您关注我们的微信公众号了解更多信息:
欢迎您关注我们的微信公众号
了解更多信息