一種玉米果穗性狀分析的方法及裝置、玉米性狀分析設備制造方法及圖紙

本發明專利技術的實施例公開了一種玉米果穗性狀分析的方法及裝置、玉米性狀分析設備，該方法通過機器學習得到對玉米果穗的圖像進行區域分割的分割模型和對籽粒進行統計的計數模型，結合這兩個模型實現了對玉米果穗性狀的自動測量，提高了對玉米果穗性狀分析的效率，實現了對各性狀的精準測量。結合圖像處理技術和機器學習，實現了對玉米果穗批量快速的性狀測量，分割模型和計數模型均由大量樣本進行訓練得到，保證了通過這兩個樣本進行性狀測量的數據準確性。

A method and device for analyzing ear characters of corn and a device for analyzing corn characters

【技術實現步驟摘要】
一種玉米果穗性狀分析的方法及裝置、玉米性狀分析設備
本專利技術實施例涉及深度學習和圖像處理
，尤其是涉及一種玉米果穗性狀分析的方法及裝置、玉米性狀分析設備。
技術介紹
玉米是世界上分布最廣、生產最多、最重要的農作物之一。無論是生產過程中還是在選育優良玉米品種的過程中，都需要對玉米的性狀進行準確的分析。目前，對玉米性狀的分析多依賴人工對玉米的各性狀參數進行測量，例如，人工測量玉米果穗的穗長或者人工對玉米果穗中各種類型的果穗進行籽粒統計。這種測量方法通常需要耗費大量的人力資源，且在測量過程中不可避免的出現一些人為因素導致的測量數據的不準確。在實現本專利技術實施例的過程中，專利技術人發現現有的對玉米果穗形狀分析的方法依賴人工進行，效率低且測量數據不準確。
技術實現思路
本專利技術所要解決的技術問題是如何解決現有的對玉米果穗形狀分析的方法依賴人工進行，效率低且測量數據不準確的問題。針對以上技術問題，本專利技術的實施例提供了一種玉米果穗性狀分析的方法，包括：獲取對玉米果穗進行拍照的目標圖像；通過預先訓練的分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域；通過預先訓練的計數模型統計出所述玉米果穗中病害區域的病害籽粒數、所述癟粒區域的癟粒籽粒數和所述正常區域的正常籽粒數；其中，所述正常區域為所述玉米果穗中飽滿無病害的玉米粒所在的區域。本實施例提供了一種玉米性狀分析設備，包括玉米承載平臺、攝像頭和數據處理器；其中，在所述玉米承載平臺上設置有多個攝像頭，用于對放置在所述玉米承載平臺上的玉米果穗進行拍照，將拍攝的照片傳輸至所述數據處理器；所述數據處理器用于執行以上任一項所述的方法。本實施例提供了一種玉米果穗性狀分析的裝置，包括：獲取模塊，用于獲取對玉米果穗進行拍照的目標圖像；分割模塊，用于通過預先訓練的分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域；測量模塊，用于通過預先訓練的計數模型統計出所述玉米果穗中病害區域的病害籽粒數、所述癟粒區域的癟粒籽粒數和所述正常區域的正常籽粒數；其中，所述正常區域為所述玉米果穗中飽滿無病害的玉米粒所在的區域。本實施例提供了一種電子設備，包括：至少一個處理器、至少一個存儲器、通信接口和總線；其中，所述處理器、存儲器、通信接口通過所述總線完成相互間的通信；所述通信接口用于該電子設備和其它電子設備的通信設備之間的信息傳輸；所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行以上所述的方法。本實施例提供了一種非暫態計算機可讀存儲介質，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行以上所述的方法。本專利技術的實施例提供了一種玉米果穗性狀分析的方法及裝置、玉米性狀分析設備，該方法通過機器學習得到對玉米果穗的圖像進行區域分割的分割模型和對籽粒進行統計的計數模型，結合這兩個模型實現了對玉米果穗性狀的自動測量，提高了對玉米果穗性狀分析的效率，實現了對各性狀的精準測量。結合圖像處理技術和機器學習，實現了對玉米果穗批量快速的性狀測量，分割模型和計數模型均由大量樣本進行訓練得到，保證了通過這兩個樣本進行性狀測量的數據準確性。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術一個實施例提供的玉米果穗性狀分析的方法的流程示意圖；圖2是本專利技術另一個實施例提供的玉米果穗性狀分析的方法具體流程示意圖；圖3是本專利技術另一個實施例提供的對全卷積神經網絡進行訓練得到分割模型的訓練流程示意圖；圖4是本專利技術另一個實施例提供的對隨機森林進行訓練得到計數模型的訓練流程示意圖；圖5是本專利技術另一個實施例提供的考種儀中前端用戶界面中新建考種任務的頁面示意圖；圖6是本專利技術另一個實施例提供的考種儀中前端用戶界面中考種任務列表的頁面示意圖；圖7是本專利技術另一個實施例提供的考種儀中前端用戶界面中考種任務結果詳情的頁面示意圖；圖8是本專利技術另一個實施例提供的考種儀中前端用戶界面中考種數據分析的頁面示意圖；圖9是本專利技術另一個實施例提供的玉米果穗性狀分析的裝置的結構框圖；圖10是本專利技術另一個實施例提供的電子設備的結構框圖。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。圖1是本實施例提供的一種玉米果穗性狀分析的方法的流程示意圖，參見圖1，該方法包括：101：獲取對玉米果穗進行拍照的目標圖像；102：通過預先訓練的分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域；103：通過預先訓練的計數模型統計出所述玉米果穗中病害區域的病害籽粒數、所述癟粒區域的癟粒籽粒數和所述正常區域的正常籽粒數；其中，所述正常區域為所述玉米果穗中飽滿無病害的玉米粒所在的區域。本實施例提供的方法由能夠執行上述方法的設備執行，例如，專用于對玉米果穗性狀進行分析的設備或者考種儀。得到對玉米果穗拍照的目標圖像后，即可將該目標圖像依次輸入訓練好的分割模型和計數模型，通過計數模型直接輸出玉米果穗中病害籽粒數、癟粒籽粒數和正常籽粒數，實現了對病害區域、癟粒區域和正常區域的分割以及對各區域籽粒數的自動統計，效率高且測量的數據準確性高。進一步地，分割模型通過對全卷積神經網絡訓練得到；訓練計數模型為基于隨機森林的計數網絡。圖2為本實施例提供的玉米果穗性狀分析的方法具體流程示意圖，參見圖2，將對玉米果穗批量拍照得到的照片進行分割，得到某一玉米果穗的原圖。針對該原圖，通過加載分割模型進行對該玉米果穗的各個區域進行劃分，通過加載計數模型得到該玉米果穗的病害籽粒數、癟粒籽粒數和正常籽粒數，再結合圖像處理得到該玉米果穗的其它性狀，輸出測量的該玉米果穗的性狀。本實施例提供了一種玉米果穗性狀分析的方法，該方法通過機器學習得到對玉米果穗的圖像進行區域分割的分割模型和對籽粒進行統計的計數模型，結合這兩個模型實現了對玉米果穗性狀的自動測量，提高了對玉米果穗性狀分析的效率，實現了對各性狀的精準測量。結合圖像處理技術和機器學習，實現了對玉米果穗批量快速的性狀測量，分割模型和計數模型均由本文檔來自技高網...

【技術保護點】
1.一種玉米果穗性狀分析的方法，其特征在于，包括：/n獲取對玉米果穗進行拍照的目標圖像；/n通過預先訓練的分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域；/n通過預先訓練的計數模型統計出所述玉米果穗中病害區域的病害籽粒數、所述癟粒區域的癟粒籽粒數和所述正常區域的正常籽粒數；/n其中，所述正常區域為所述玉米果穗中飽滿無病害的玉米粒所在的區域。/n

【技術特征摘要】
1.一種玉米果穗性狀分析的方法，其特征在于，包括：
獲取對玉米果穗進行拍照的目標圖像；
通過預先訓練的分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域；
通過預先訓練的計數模型統計出所述玉米果穗中病害區域的病害籽粒數、所述癟粒區域的癟粒籽粒數和所述正常區域的正常籽粒數；
其中，所述正常區域為所述玉米果穗中飽滿無病害的玉米粒所在的區域。


2.根據權利要求1所述的方法，其特征在于，所述分割模型的訓練方法包括：
獲取若干對玉米果穗進行拍照得到的圖像，作為第一輸入樣本，預先采用不同顏色標記出每一第一輸入樣本中的背景區域，以及玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域，得到第一輸出樣本；
將每一第一輸入樣本和與該第一輸入樣本對應的第一輸出樣本作為一組第一訓練樣本，通過若干組第一訓練樣本利用全卷積神經網絡進行訓練，得到所述分割模型。


3.根據權利要求1所述的方法，其特征在于，所述計數模型的訓練方法包括：
獲取若干預先分割出了玉米果穗中的病害區域、癟粒區域和正常區域的圖像，作為第二輸入樣本，對每一第二輸入樣本，預先分別對該第二輸入樣本中的病害區域、癟粒區域和正常區域中的玉米籽粒進行打點標記，并基于打點標記得到的打點圖和二維高斯分布概率密度圖得到點分布密度圖，將對該點分布密度圖作為第二輸出樣本；
將每一第二輸入樣本和與該第二輸入樣本對應的第二輸出樣本作為一組第二訓練樣本，通過若干組第二訓練樣本利用隨機森林模型進行訓練，得到所述計數模型。


4.根據權利要求1所述的方法，其特征在于，在通過所述分割模型分割出所述目標圖像中的背景區域和所述目標圖像中玉米果穗上的禿尖區域、空粒區域、病害區域、癟粒區域和正常區域后，還包括：
測量所述目標圖片中玉米果穗從穗基部到穗頂端的長度，得到所述目標圖片中玉米果穗的穗長；
測量所述目標圖片中玉米果穗禿尖區域的長度，得到所述目標圖片中玉米果穗的禿尖長；
測量所述目標圖片中玉米果穗中空粒區域、病害區域、癟粒區域和正常區域的區域面積，計算空粒區域、病害區域、癟粒區域和正常區域的區域面積的比值；
測量所述目標圖片中玉米果穗沿著穗長方向排列的行數，得到所述目標圖片中玉米果穗的穗行數；
統計所述目標圖片中玉米果穗每一穗行中玉米粒的數量，將各穗行玉米粒的數量平均值作為所述目標圖片中玉米果穗的行粒數；
測量所述目標圖片中玉米果穗中部區域的直徑平均值，得到所述目標圖片中玉米果穗的穗直徑；
測量所述目標圖片中玉米果穗中部區域的周長平均值，得到所述目標圖片中玉米果穗的穗周長；
測量所述目標圖片中玉米果...

【專利技術屬性】
技術研發人員：李輝，
申請(專利權)人：北京瑞智稷數科技有限公司，
類型：發明
國別省市：北京;11