[发明专利]种子品种识别方法及装置

说明书

本发明公开了一种种子品种识别方法及装置，属于图像分类领域。该方法包括获取测试集中每个样本种子在P个波段下的P个高光谱图像；针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种；解决了当相同品种的种子由于年份不同导致识别品种时准确度不高的问题；达到了自动更新分类模型，降低年份对识别种子品种时的影响，提高识别品种的准确度的效果。

技术领域

本发明实施例涉及图像分类领域，特别涉及一种种子品种识别方法及装置。

背景技术

玉米是农业生产的主要农作物之一，是粮食、饲料、燃料和工业原料的主要来源。随着杂交种子技术的广泛应用，玉米种子的品种越来越多，按玉米种子的品种进行分类也越来越复杂。

由于高光谱成像结合了机器视觉和近红外光谱的优点，能够同时反映种子的内部特征和外部特征，在种子分类时广泛使用高光谱成像技术。

然而，在不同年份种植的相同品种的种子，由于不同年份的耕作条件、土壤环境条件和气候条件不同，不同年份的相同品种的种子的高光谱信息会发生变化，导致利用高光谱图像和分类模型识别出的种子品种的准确度不高。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种种子品种方法及装置。该技术方案如下：

第一方面，提供了一种种子品种识别方法，该方法包括：

获取测试集中每个样本种子在P个波段下的P个高光谱图像；

针对每个所述样本种子，根据所述P个高光谱图像获取特征参数；

将所述特征参数输入分类模型，得到每个所述样本种子的预测品种；

根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型；

利用更新后的所述分类模型识别出所述测试集中所述样本种子的品种。

可选的，所述根据所述预测品种从所述测试集中选取出预定样本种子，并根据所述预定样本种子更新所述分类模型，包括：

根据所述预测品种将所述样本种子分成若干个类别；每个所述类别中的样本种子的所述预测品种相同；

计算出每个类别的类中心；

计算每个类别中的各个所述样本种子与所述类中心之间的距离；

针对每个所述类别，将所述样本种子按所述距离从小到大的顺序排列；

将每个所述类别中的前n个样本种子作为所述预定样本种子，并将所述预定样本种子对应的所述特征参数从全部的所述特征参数中删除；

将所述预定样本种子添加入训练集得到新的所述训练集；

利用所述新的所述训练集更新所述分类模型；

检测预定条件是否成立；

若所述预定条件不成立，则执行所述将所述特征参数输入分类模型，得到每个所述样本种子的预测品种的步骤；

其中，所述预定条件为大于等于预定阈值，或者，所述预定条件为所述次数达到预定次数；Num_j(i)为第i次迭代时和第i-1次迭代时都被确定第j个类别的样本种子的数量，Num_j(i-1)为所述第i次迭代时被确定为所述第j个类别的样本种子的数量。

可选的，该方法还包括：