[发明专利]一种基于深度多视点特征的稻谷检测和分类方法

权利要求书

1.一种稻谷检测和分类所使用的方法，其特征在于，该方法为深度学习方法。

2.一种稻谷检测和分类所使用的模型框架，其特征在于，该模型框架为多层卷积神经网络。

3.一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，该方法包括以下步骤：1)数据集的划分：利用交叉验证法对稻谷下落图像数据集进行划分，得到训练集和测试集；2)网络模型的构建：利用深度学习的方法对输入的图像进行特征的提取，同时利用随机梯度下降来不断更新模型参数；3)模型分析和性能评估：将测试数据输入训练好的稻谷分类器中，通过将概率预测值与分类阈值的比较，得到稻谷的检测分类结果。

4.根据权利要求3所述的一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，步骤一具体为，设置不少于3个的摄像头，分别从不同角度同时对下落的稻米进行抓拍；当一粒稻米划过相机视野监控区域后，每个相机捕获到2～3张稻米的下落图片，至少捕获到6～9张图片；为了降低噪声对相机成像的影响，采用了长焦镜头和高分辨率的相机；同时为了减少训练时间增加分类的正确性，将每张图片的尺寸进行等比例缩小；在获得样本数据后，采用交叉验证法来对数据集进行划分。

5.根据权利要求3所述的一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，所述的采用交叉验证法来对数据集进行划分具体为，先将所有样本k个大小相似的互斥子集，每个子集都尽可能保持数据分布的一致性，然后每次用k-1个子集的并集作为训练集，余下的子集作为测试集；如此就获得k组训练-测试集，进行k次训练和测试，最终返回的是这k个测试结果的平均值。

6.根据权利要求3所述的一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，所述的设置不少于3个的摄像头，其位置关系要求采用非均匀的方式来排列。

7.根据权利要求5所述的一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，通过交叉验证将收集到的数据集进行划分时为防止模型的过拟合，对训练数据做二次划分，二次划分得到验证集；在训练的过程中，不断的验证模型是否出现了过拟合，一旦出现过拟合，立刻停止训练；将整个数据划分为三部分：训练集，测试集、验证集。

8.根据权利要求3所述的一种基于深度多视点特征的稻谷检测和分类方法，其特征在于，步骤二操作方法为，利用了多层卷积神经网络来作为模型的框架，不断地将图片中边缘、纹理的低级特征融合成识别的高级特征，将前面获取到的高级特征映射成一维向量，最后通过Softmax激活函数来输出每个类别的概率。