一种玉米种子品种分类方法、系统及电子设备

本发明涉及高光谱数据降维，特别是涉及一种玉米种子品种分类方法、系统及电子设备

背景技术：

1、种子是农业生产中最重要的生产材料。玉米与水稻、小麦一起被称为世界三大谷物，是一种主要的粮食作物。不同品种的玉米种子具有不同的营养价值和作用。品种鉴定对选择不用途的玉米种子非常重要，如食品、饲料、育种等。

2、传统种子品种鉴定方法破坏性强、费时费力、成本高难以大范围推广。近年来，以机器视觉技术、近红外光谱技术、高光谱成像技术为代表的种子品种无损鉴定方法受到了广泛的研究。无论机器视觉技术还是近红外光谱技术都只能单一地获取种子信息，这将无法满足复杂的应用场景。高光谱成像技术集成了机器视觉和光谱技术的优点，成为了一种更强大的无损检测技术，可以同时获得种子的图像信息和光谱信息，对品种的鉴定能力更强。

3、然而，高光谱数据不仅维度高，而且包含大量冗余信息，这对于实时在线应用非常不友好。从整个工作光谱区域中选择出少数代表性的波段，可大大降低高光谱成像的设备成本和计算负荷。在食品和农产品的高光谱数据分析中，基于化学计量学的波段选择方法，如连续投影算法(successive projectionsalgorithm，spa)、竞争自适应重加权算法(competitiveadaptive reweightingalgorithm，cars)、随机青蛙(random frog，rf)、蒙特卡洛无信息变量消除(monte carlo uninformative variable elimination，mcuve)、主成分载荷(principal componentanalysis-loading，pca-loading)等长期以来占据了主导地位。但是，这些方法大多不能充分考虑光谱波段之间的非线性和全局相互作用，可能导致选择了一些毗邻的波段，仍保留较多的冗余信息。因此，如何提升种子品种鉴定的实时性和准确性，成为本领域亟待解决的一个技术问题。

技术实现思路

1、为解决现有技术存在的上述问题，本发明提供了一种玉米种子品种分类方法、系统及电子设备。

2、为实现上述目的，本发明提供了如下方案：

3、一种玉米种子品种分类方法，包括：

4、获取不同品种的玉米种子的光谱图像；

5、对所述光谱图像进行预处理得到单粒种子图像；

6、基于所述单粒种子图像提取单粒种子的全波段光谱数据；

7、将所述全波段光谱数据输入至波段注意力模块生成全波段光谱数据中每一波段的权重；

8、对每一波段的权重进行稀疏约束得到稀疏波段权重；

9、对所述全波段光谱数据和所述稀疏波段权重进行加权处理得到加权后的光谱；

10、将加权后的光谱输入至卷积神经网络得到玉米种子品种分类结果。

11、可选地，对所述光谱图像进行预处理得到单粒种子图像，具体包括：

12、对所述光谱图像进行黑白校正和阈值分割，以去除所述光谱图像中的背景，并分割所述光谱图像，得到所述单粒种子图像。

13、可选地，基于所述单粒种子图像提取单粒种子的全波段光谱数据，具体包括：

14、将在所述单粒种子图像中的单个玉米籽粒的整个区域作为感兴趣区域；

15、确定所述感兴趣区域内所用像素光谱的平均值，得到平均光谱数据；将所述平均光谱数据作为单粒种子的全波段光谱数据。

16、可选地，所述波段注意力模块包括两层全连接神经网络；第一层全连接神经网络后使用elu激活函数，第二层全连接神经网络后使用sigmoid激活函数。

17、可选地，对每一波段的权重进行稀疏约束得到稀疏波段权重，具体包括：

18、将所有波段的权重进行降序排列，得到权重序列；

19、将所述权重序列中第k个权重值设置为阈值，并将权重小于所述阈值的波段赋值为0，以得到所述稀疏波段权重。

20、可选地，加权处理的计算公式为：

21、

22、式中，xi表示第i个种子样本的光谱数据加权后的光谱，xi表示第i个种子样本的光谱数据，表示稀疏波段权重，表示元素乘法。

23、可选地，在将加权后的光谱输入至卷积神经网络得到玉米种子品种分类结果之前，所述方法还包括：

24、通过端到端的训练方式，选择每一玉米种子品种对应的具有代表性的波段，得到波段子集。

25、根据本发明提供的具体实施例，本发明公开了以下技术效果：

26、本发明提供的玉米种子品种分类方法，引入稀疏波段注意力策略，与传统方法相比，本发明使用的方法选择的波段包含的冗余信息更少，可以获得更好的分类性能，能够显著提升种子品种鉴定的实时性和准确性。

27、本发明还提供了以下实施结构：

28、一种玉米种子品种分类系统，应用于上述提供的玉米种子品种分类方法；所述系统包括：

29、光谱图像获取模块，用于获取不同品种的玉米种子的光谱图像；

30、预处理模块，用于对所述光谱图像进行预处理得到单粒种子图像；

31、光谱数据提取模块，用于基于所述单粒种子图像提取单粒种子的全波段光谱数据；

32、波段权重确定模块，用于将所述全波段光谱数据输入至波段注意力模块生成全波段光谱数据中每一波段的权重；

33、权重稀疏约束模块，用于对每一波段的权重进行稀疏约束得到稀疏波段权重；

34、光谱加权处理模块，用于对所述全波段光谱数据和所述稀疏波段权重进行加权处理得到加权后的光谱；

35、种子品种分类模块，用于将加权后的光谱输入至卷积神经网络得到玉米种子品种分类结果。

36、一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序；

37、当所述计算机程序被所述处理器执行时实现上述提供的玉米种子品种分类方法。

38、可选地，所述存储器为计算机可读存储介质。

39、因本发明提供的上述两种实施结构实现的技术效果与本发明提供的玉米种子品种分类方法实现的技术效果相同，故在此不再进行赘述。

技术特征：

1.一种玉米种子品种分类方法，其特征在于，包括：

2.根据权利要求1所述的玉米种子品种分类方法，其特征在于，对所述光谱图像进行预处理得到单粒种子图像，具体包括：

3.根据权利要求1所述的玉米种子品种分类方法，其特征在于，基于所述单粒种子图像提取单粒种子的全波段光谱数据，具体包括：

4.根据权利要求1所述的玉米种子品种分类方法，其特征在于，所述波段注意力模块包括两层全连接神经网络；第一层全连接神经网络后使用elu激活函数，第二层全连接神经网络后使用sigmoid激活函数。

5.根据权利要求1所述的玉米种子品种分类方法，其特征在于，对每一波段的权重进行稀疏约束得到稀疏波段权重，具体包括：

6.根据权利要求1所述的玉米种子品种分类方法，其特征在于，加权处理的计算公式为：

7.根据权利要求1所述的玉米种子品种分类方法，其特征在于，在将加权后的光谱输入至卷积神经网络得到玉米种子品种分类结果之前，所述方法还包括：

8.一种玉米种子品种分类系统，其特征在于，应用于如权利要求1-7中任意一项所述的玉米种子品种分类方法；所述系统包括：

9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序；

10.根据权利要求9所述的电子设备，其特征在于，所述存储器为计算机可读存储介质。

技术总结
本发明公开一种玉米种子品种分类方法、系统及电子设备，涉及高光谱数据降维技术领域。本发明在对获取的光谱图像进行预处理得到单粒种子图像后，提取单粒种子的全波段光谱数据；接着，将全波段光谱数据输入至波段注意力模块生成全波段光谱数据中每一波段的权重，然后，引入稀疏波段注意力策略对每一波段的权重进行稀疏约束得到稀疏波段权重，最后将对全波段光谱数据和稀疏波段权重进行加权处理得到加权后的光谱输入至卷积神经网络得到玉米种子品种分类结果，以获得更好的分类性能，进而显著提升种子品种鉴定的实时性和准确性。

技术研发人员：安冬,张柳,黄金泽,位耀光,刘金存
受保护的技术使用者：中国农业大学
技术研发日：
技术公布日：2024/1/15