【技術實現步驟摘要】
本專利技術屬于糧食信息處理領域，具體涉及一種玉米籽粒圖像分割方法。
技術介紹
1、隨著傳感技術、光學技術、計算機技術、圖像處理技術和糧食信息化技術的快速發展，圖像分割作為計算機視覺領域的關鍵技術，在眾多領域廣泛應用，尤其是在糧食信息化處理領域發展迅速。通過相機采集的玉米籽粒圖像數據，執行圖像濾波，圖像去噪，圖像增強等一系列預處理操作，通過神經網絡分類器實現籽粒分割、分類、識別和分檢等工作，實現自動化糧食品質檢測工作，在農業和商業產出應用方面備受歡迎。
2、傳統的籽粒采集系統包括一臺相機，一臺電腦，一張圖像采集卡，一套數據采集試驗臺和一套采集軟件等，具體通過采集軟件驅動相機采集籽粒圖像；相機的鏡頭包含凸透鏡，玉米籽粒反光經過凸透鏡被感光器件捕獲，配合凸透鏡，光圈，快門調節進光量，通過光電轉換，將光信號轉化成電信號，進而轉化成圖像，最終實現籽粒數據采集。
3、然而，相機采集數據過程中容易受到環境光、試驗臺擾動以及自身調校等外界因素干擾，直接影響采集系統的性能，導致通過采集的籽粒圖像數據實現籽粒分割、分類、識別和分檢，因此限制了自動化籽粒品質檢測的發展。現有技術中為降低相機采集數據對籽粒分割的影響，采用先通過神經網絡(例如unet神經網絡)對采集的籽粒圖像進行特征提取，再根據得到的特征進行后續的籽粒分割的方式進行籽粒分割；但是由于玉米籽粒存在形狀小、數量多、辨識度低、易粘連且籽粒本身紋路信息豐富等問題，容易使神經網絡所提取的特征難以反映玉米籽粒的精細特征信息，導致分割精度較低。
技術
1、本專利技術的目的在于提供一種玉米籽粒圖像分割方法，用于解決現有的玉米籽粒圖像分割方法中，用于對采集的籽粒圖像進行特征提取的神經網絡所提取的特征難以反映玉米籽粒的精細特征信息，導致分割精度較低的問題。
2、為了實現上述目的，本專利技術提供了一種玉米籽粒圖像分割方法，通過由訓練集訓練后的特征提取模型對待分割的包含玉米籽粒的圖像進行特征提取后再分割，得到單個玉米籽粒的分割結果；特征提取模型包含在各跳躍連接層均添加了注意力模塊的unet網絡；
3、注意力模塊以所在跳躍連接層對應的編碼器的輸出為輸入，進行用于擴展通道數的逐點卷積以及歸一化、relu活化后，分別經過至少兩個卷積核不同的卷積層深度卷積，將各卷積結果加權融合后進行通道洗牌，再通過逐點卷積和歸一化轉換回原始通道并與所述輸入進行殘差連接；
4、對連接結果進行通道分離再提取特征，并對提取的特征進行處理，得到處理后的特征，利用hadamard積將處理后的特征按照由sigmoid計算的注意力權重與連接結果合并；
5、對合并結果的不同通道之間進行特征提取后經過大于等于設定大小的卷積的卷積層處理，再利用hadamard積將處理后的特征按照由sigmoid計算的注意力權重與連接結果合并作為注意力模塊的輸出。
6、進一步地，所述unet網絡為vmunet網絡架構。
7、進一步地，對連接結果進行通道分離再提取特征，并對提取的特征進行處理，得到處理后的特征的方式包括：
8、對連接結果進行通道分離，再通過平均池化和最大池化分別對通道分離后的結果進行特征提取，并對二者提取的特征分別進行用于減少通道的逐點卷積以及relu活化、用于恢復通道的逐點卷積處理，對分別處理得到的特征進行加權融合，得到處理后的特征。
9、進一步地，對殘差連接結果進行的通道分離為對殘差連接結果中的高度和寬度維度進行的通道分離。
10、進一步地，所述特征提取模型通過由特征提取模型提取的特征得到的分割結果與真實標簽對應的損失進行訓練。
11、進一步地，訓練所述特征提取模型采用的損失函數為根據特征提取模型提取的特征得到的分割結果與真實標簽對應的交叉熵損失和dice損失進行加權得到的總損失函數。
12、進一步地，所述設定大小的卷積為由3個卷積核為3×3的卷積塊構成的卷積。
13、進一步地，待分割的包含玉米籽粒的圖像通過對圖像采集裝置采集的包含玉米籽粒的圖像進行圖像去噪、濾波、增強、尺寸歸一化以及通道重排處理得到。
14、進一步地，所述圖像采集裝置包括用于放置玉米籽粒的平面背光燈平臺、用于固定相機的相機夾具、用于從上方拍攝平面背光燈平臺上的玉米籽粒的圖像的相機、用于放置相機夾具的xyz三維位移升降平臺、用于放置所述升降平臺的橫向微調燕尾槽位移滑塊和縱向微調燕尾槽位移滑塊以及硬鋁光學面包板。
15、進一步地，對合并結果的不同通道之間進行特征提取后經過大于等于設定大小的卷積的卷積層處理的方式包括：對合并結果的不同通道對應的特征之間進行特征提取，得到特征提取的最大值和特征平均值，將二者進行拼接后經過大于等于設定大小的卷積層處理。
16、本專利技術上述的玉米籽粒圖像分割方法的技術方案的有益效果包括：采用了由多尺度注意力模塊來優化跳躍連接層的vmunet網絡，其中注意力模塊首先通過對每層降采樣輸出對應的跳躍連接層特征進行通道擴展并逐點卷積，歸一化以及relu激活等，再通過不同尺度卷積核進行卷積提取特征、加權融合以及通道洗牌，從而捕獲多尺度和多分辨率的上下文信息，再通過對上采樣每層逐點卷積以及歸一化轉換回原始的通道并與編碼器的輸出進行殘差連接，增強編碼器輸出的特征，保留上下文關系的特征映射；進一步對連接結果進行通道分離，縮小特征圖像的尺度，增加特征圖像的層數(即通道數)，初步提取特征圖像的深度特征；接著提取特征并對提取的特征進行處理，利用hadamard積將處理后的特征執行sigmoid函數，即相當于通過用于強調捕獲局部上下文信息的空間注意力對編碼器輸出的特征再次進行增強；最對合并結果的不同通道之間進行特征提取，即進一步對特征圖像進行深度特征提取，再將二者進行拼接后經過大于等于設定大小的卷積的卷積層的卷積層處理，即使用一個較大內核的卷積層來增強特征之間的局部上下文關系，再利用hadamard積將處理后的特征按照由sigmoid計算的注意力權重與連接結果合并作為注意力模塊的輸出，相當于通過用于強調通道相關性的通道注意力對編碼器輸出的特征再次進行增強，最終保證輸入解碼器的特征包含更多上下文特征，且特征深度更大，因此更能夠反映出圖像中玉米籽粒的精細信息，根據這些特征進行玉米籽粒圖像的分割即可有效提升分割精度。
本文檔來自技高網...【技術保護點】
1.一種玉米籽粒圖像分割方法，其特征在于，通過由訓練集訓練后的特征提取模型對待分割的包含玉米籽粒的圖像進行特征提取后再分割，得到單個玉米籽粒的分割結果；特征提取模型包含在各跳躍連接層均添加了注意力模塊的Unet網絡；
2.根據權利要求1所述的玉米籽粒圖像分割方法，其特征在于，所述Unet網絡為VMUnet網絡架構。
3.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，對連接結果進行通道分離再提取特征，并對提取的特征進行處理，得到處理后的特征的方式包括：
4.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，對殘差連接結果進行的通道分離為對殘差連接結果中的高度和寬度維度進行的通道分離。
5.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，所述特征提取模型通過由特征提取模型提取的特征得到的分割結果與真實標簽對應的損失進行訓練。
6.根據權利要求5所述的玉米籽粒圖像分割方法，其特征在于，訓練所述特征提取模型采用的損失函數為根據特征提取模型提取的特征得到的分割結果與真實標簽對應的交叉熵損失和Dice損
7.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，所述設定大小的卷積為由3個卷積核為3×3的卷積塊構成的卷積。
8.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，待分割的包含玉米籽粒的圖像通過對圖像采集裝置采集的包含玉米籽粒的圖像進行圖像去噪、濾波、增強、尺寸歸一化以及通道重排處理得到。
9.根據權利要求8所述的玉米籽粒圖像分割方法，其特征在于，所述圖像采集裝置包括用于放置玉米籽粒的平面背光燈平臺、用于固定相機的相機夾具、用于從上方拍攝平面背光燈平臺上的玉米籽粒的圖像的相機、用于放置相機夾具的XYZ三維位移升降平臺、用于放置所述升降平臺的橫向微調燕尾槽位移滑塊和縱向微調燕尾槽位移滑塊以及硬鋁光學面包板。
10.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，對合并結果的不同通道之間進行特征提取后經過大于等于設定大小的卷積的卷積層處理的方式包括：對合并結果的不同通道對應的特征之間進行特征提取，得到特征提取的最大值和特征平均值，將二者進行拼接后經過大于等于設定大小的卷積層處理。
...【技術特征摘要】
1.一種玉米籽粒圖像分割方法，其特征在于，通過由訓練集訓練后的特征提取模型對待分割的包含玉米籽粒的圖像進行特征提取后再分割，得到單個玉米籽粒的分割結果；特征提取模型包含在各跳躍連接層均添加了注意力模塊的unet網絡；
2.根據權利要求1所述的玉米籽粒圖像分割方法，其特征在于，所述unet網絡為vmunet網絡架構。
3.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，對連接結果進行通道分離再提取特征，并對提取的特征進行處理，得到處理后的特征的方式包括：
4.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，對殘差連接結果進行的通道分離為對殘差連接結果中的高度和寬度維度進行的通道分離。
5.根據權利要求1或2所述的玉米籽粒圖像分割方法，其特征在于，所述特征提取模型通過由特征提取模型提取的特征得到的分割結果與真實標簽對應的損失進行訓練。
6.根據權利要求5所述的玉米籽粒圖像分割方法，其特征在于，訓練所述特征提取模型采用的損失函數為根據特征提取模型提取的特征得到的分割結果與真實標簽對應的交叉熵損失和dice損失...
【專利技術屬性】
技術研發人員：張慶輝，趙奎斌，萬晨霞，呂鵬濤，王彩紅，
申請(專利權)人：河南工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。