[发明专利]一种玉米籽裂纹识别方法、装置、系统、设备和存储介质

权利要求书

1.一种玉米籽裂纹识别方法，其特征在于，包括以下步骤：

获取待识别玉米籽图像；

通过第一神经网络模型对所述玉米籽图像进行识别，以识别出所述玉米籽图像中的玉米籽粒是否有裂纹，其中，所述第一神经网络模型是通过预设的玉米籽图像数据集对第二神经网络模型中的参数进行训练后得到的；

输出待识别玉米籽图像中的玉米籽是否有裂纹的识别结果；

所述通过第一神经网络模型对所述玉米籽图像进行识别之前，所述方法还包括：

获取标记了是否有裂纹的玉米籽图像数据集，所述玉米籽图像数据集按预设规则分为训练数据集和测试数据集；

使用所述训练数据集中的玉米籽图像对所述第二神经网络模型进行训练；

使用所述训练数据集训练后的所述第二神经网络模型对所述测试数据集中的玉米籽图像进行识别，并计算识别的正确率；

若所述正确率达到预设范围，则将所述第二神经网络模型作为所述第一神经网络模型使用；

所述第二神经网络模型为卷积神经网络模型，所述卷积神经网络模型包括多个网络层，每一层的输出是下一层的输入：

所述使用所述训练数据集中的玉米籽图像对所述第二神经网络模型进行训练，包括：

通过数据输入层接收玉米籽粒图像；

通过至少一个中间卷积层对所述玉米籽图像执行卷积、池化、归一操作，以得到局部特征；

通过至少一个全连接层将所述中间卷积层提取到的局部特征进行综合处理；

通过分类输出层将所述全连接层的输出作线性回归，计算每一分类得分，以根据所述得分判断所述玉米籽图像中的玉米籽是否有裂纹；

通过损失函数对所述分类输出层的分类情况进行评价，所述损失函数可表示为：

其中，y_i为真实值，y_predicted_i为预测值，loss值越小时，代表预测值与真实值越接近，所述分类输出层的分类精度越高。

2.根据权利要求1所述的一种玉米籽裂纹识别方法，其特征在于，所述使用所述训练数据集中的玉米籽图像对所述第二神经网络模型进行训练中，还包括：

采用随机梯度下降算法，通过不断降低损失函数的函数值来学习建立后的所述卷积神经网络模型的参数，其中，所述随机梯度下降法是指每一次迭代中使用样本进行学习参数和更新，每一代的学习参数和更新可表示为：

V_i+1＝μV_t-α▽loss(W_i)；

W_t+1＝W_t+V_t+1；

其中，t为迭代的次数，W_t为t时刻的参数，V_t为t时刻的增量，α为学习速率，μ为前一次更新W_t的权重，▽loss(W_i)为所述损失函数的偏微分。

3.根据权利要求1所述的一种玉米籽裂纹识别方法，其特征在于，所述玉米籽图像为玉米籽正面或反面的图像。