【技術(shù)實(shí)現(xiàn)步驟摘要】
本說明書涉及機(jī)器學(xué)習(xí)，特別涉及一種作物種子自動(dòng)計(jì)數(shù)方法。
技術(shù)介紹
1、作物收獲的種子數(shù)是農(nóng)業(yè)生產(chǎn)中的重要指標(biāo)，對(duì)播種密度、產(chǎn)量預(yù)測(cè)以及種子質(zhì)量評(píng)估有著直接影響。準(zhǔn)確地獲取作物種子的數(shù)量，對(duì)于優(yōu)化播種策略、提高農(nóng)業(yè)產(chǎn)量以及確保種子質(zhì)量具有重要的理論意義和應(yīng)用價(jià)值。目前，作物種子的計(jì)數(shù)主要依賴于人工方法，通常需要手動(dòng)數(shù)種子。這種方法不僅效率低下，特別是在處理大批量種子時(shí)耗時(shí)費(fèi)力，而且容易受到人為因素的影響，導(dǎo)致計(jì)數(shù)結(jié)果出現(xiàn)誤差。此外，傳統(tǒng)的人工計(jì)數(shù)方法難以滿足現(xiàn)代農(nóng)業(yè)對(duì)高效、精確數(shù)據(jù)獲取的需求。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)中的上述不足，本專利技術(shù)提供的一種作物種子自動(dòng)計(jì)數(shù)方法解決了作物種子難以準(zhǔn)確計(jì)數(shù)的問題。
2、為了達(dá)到上述專利技術(shù)目的，本專利技術(shù)采用的技術(shù)方案為：一種作物種子自動(dòng)計(jì)數(shù)方法，包括：
3、s1：通過對(duì)種子采集圖像進(jìn)行預(yù)處理和數(shù)據(jù)增強(qiáng)，得到種子圖像訓(xùn)練集；
4、s2：利用特征提取層、局部層、全局層、融合層和密度圖生成層，構(gòu)建種子自動(dòng)計(jì)數(shù)模型；
5、s3：通過將所述種子圖像數(shù)據(jù)集輸入所述種子自動(dòng)計(jì)數(shù)模型，利用損失函數(shù)進(jìn)行訓(xùn)練，得到訓(xùn)練好的種子自動(dòng)計(jì)數(shù)模型；其中，所述訓(xùn)練好的種子自動(dòng)計(jì)數(shù)模型用于對(duì)作物種子圖像進(jìn)行分析，得到種子計(jì)數(shù)結(jié)果，完成對(duì)作物種子的自動(dòng)計(jì)數(shù)。
6、本專利技術(shù)的有益效果為：處理器通過對(duì)密度圖進(jìn)行積分得到圖像中的種子計(jì)數(shù)結(jié)果。(1)利用種子計(jì)數(shù)模型提取的特征結(jié)合了局部和全局的豐富信息，局部特征可
7、進(jìn)一步地，所述s1包括：
8、利用rgb相機(jī)對(duì)目標(biāo)區(qū)域圖像進(jìn)行采集，得到種子采集圖像；
9、對(duì)所述種子采集圖像進(jìn)行參數(shù)調(diào)整、圖像裁剪和添加標(biāo)簽，得到種子圖像數(shù)據(jù)集；其中，所述種子圖像數(shù)據(jù)集包括訓(xùn)練集、驗(yàn)證集和測(cè)試集；
10、對(duì)所述訓(xùn)練集進(jìn)行隨機(jī)裁剪、水平方向和垂直方向的隨機(jī)翻轉(zhuǎn)、隨機(jī)角度的旋轉(zhuǎn)、隨機(jī)比例的縮放、隨機(jī)的亮度、對(duì)比度、飽和度和色調(diào)的變化，并利用馬賽克數(shù)據(jù)增強(qiáng)進(jìn)行拼接，得到所述種子圖像訓(xùn)練集。
11、通過數(shù)據(jù)預(yù)處理和增強(qiáng)手段，顯著提升了種子圖像數(shù)據(jù)集的多樣性和模型的泛化能力。(1)參數(shù)調(diào)整、裁剪和標(biāo)簽添加確保種子圖像數(shù)據(jù)集的質(zhì)量適合后續(xù)建模。(2)數(shù)據(jù)增強(qiáng)操作如隨機(jī)裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)和縮放等，能夠模擬真實(shí)場(chǎng)景中的各種觀察條件，使模型更具魯棒性。(3)馬賽克數(shù)據(jù)增強(qiáng)通過將多張不同作物種子的圖像隨機(jī)拼接在一起，能讓模型在同一張圖像中學(xué)習(xí)多個(gè)目標(biāo)的特征分布，有助于更高效地捕捉不同種子(如水稻、小麥、玉米等)的特征間差異，從而提升模型對(duì)復(fù)雜多樣種子場(chǎng)景的適應(yīng)能力和檢測(cè)精度。
12、進(jìn)一步地，所述s2中種子自動(dòng)計(jì)數(shù)模型包括：
13、特征提取層，包括特征提取模塊、拼接模塊和壓縮模塊，用于對(duì)所述種子圖像訓(xùn)練集進(jìn)行多尺度特征提取，基于分離比例，得到第一分離特征圖和第二分離特征圖；
14、局部層，包括卷積模塊和通道注意力模塊，用于對(duì)第一分離特征圖進(jìn)行卷積和注意力增強(qiáng)處理，得到局部輸出特征圖；
15、全局層，包括快速傅里葉變換模塊、空間注意力模塊和連接模塊，用于通過對(duì)第二分離特征圖進(jìn)行卷積、快速傅里葉變換、增加空間位置以及局部和全局信息融合，得到全局輸出特征圖；
16、融合層，用于對(duì)所述局部輸出特征圖和所述全局輸出特征圖進(jìn)行加法融合，得到融合特征圖；
17、密度圖生成層，用于對(duì)所述融合特征圖進(jìn)行反卷積處理，得到種子計(jì)數(shù)結(jié)果。
18、進(jìn)一步地，所述特征提取層包括：
19、特征提取模塊，用于對(duì)所述種子圖像訓(xùn)練集進(jìn)行卷積和池化處理，得到多尺度特征圖；其中，所述多尺度特征圖包括h/4×w/4、h/8×w/8、h/16×w/16大小的特征圖；
20、拼接模塊，用于通過對(duì)h/4×w/4大小的特征圖進(jìn)行最大池化處理，降采樣到h/8×w/8大?。焕米罱彶逯祵/16×w/16大小的特征圖上采樣到h/8×w/8大小；將縮放后特征圖進(jìn)行拼接，得到拼接特征圖；
21、壓縮模塊，用于對(duì)所述拼接特征圖進(jìn)行卷積，降低特征圖的維度并保持特征圖大小不變，得到壓縮特征圖；基于分離比例，對(duì)壓縮特征圖進(jìn)行劃分，得到所述第一分離特征圖和所述第二分離特征圖。
22、通過多層次特征提取與融合，提高了模型對(duì)多尺度目標(biāo)的表征能力。(1)特征提取模塊通過卷積和池化生成多尺度特征圖，使模型能夠捕捉到種子圖像中不同大小和形態(tài)的特征。(2)拼接模塊在不同尺度之間進(jìn)行特征對(duì)齊，平衡了分辨率和上下文信息的融合，將多尺度特征拼接成統(tǒng)一的拼接特征圖。(3)壓縮模塊減小特征維度，提取更精煉的語(yǔ)義信息。(4)分離操作根據(jù)分離比例對(duì)特征進(jìn)行劃分，將提取的特征圖分為第一分離特征圖和第二分離特征圖，有助于分別優(yōu)化不同尺度的特征表達(dá)。
23、進(jìn)一步地，所述全局層包括：
24、快速傅里葉變換模塊，用于對(duì)所述第二分離特征圖進(jìn)行卷積和快速傅里葉變換，得到長(zhǎng)距離依賴信息；
25、空間注意力模塊，用于基于所述長(zhǎng)距離依賴信息，利用空間注意力機(jī)制對(duì)所述第二分離特征圖進(jìn)行處理，得到增強(qiáng)重要空間位置信息的第二分離特征圖；
26、連接模塊，用于基于所述增強(qiáng)重要空間位置信息的第二分離特征圖，通過逆傅里葉變換和殘差連接，得到全局輸出特征圖。
27、全局層通過結(jié)合頻域信息和空間注意力機(jī)制，顯著增強(qiáng)了模型對(duì)全局特征的捕捉能力。(1)快速傅里葉變換模塊通過對(duì)第二分離特征圖進(jìn)行卷積和快速傅里葉變換，將特征從空間域映射到頻域，有效提取長(zhǎng)距離依賴信息，補(bǔ)充傳統(tǒng)卷積操作難以捕獲的全局上下文特征。(2)空間注意力模塊利用提取的長(zhǎng)距離依賴信息，重點(diǎn)關(guān)注特征圖中關(guān)鍵的空間位置，通過增強(qiáng)重要空間位置的信息，進(jìn)一步提高了模型的關(guān)注能力，使其能聚焦于圖像中的顯著目標(biāo)區(qū)域。(3)連接模塊通過逆傅里葉變換將頻域特征還原到空間域，同時(shí)結(jié)合殘差連接，將頻域處理后的全局信息與原有特征圖整合在一起，避免信息丟失并增強(qiáng)特征表達(dá)的魯棒性。
28、進(jìn)一步地，所述損失函數(shù)的表達(dá)式為：
29、
30、其中，lbayes表示損失函數(shù)結(jié)果，f表示l1距離函數(shù)，e[cn]表示cn的期望值，cn表示與yn相關(guān)的總計(jì)數(shù)，n表示yn的索引，n表示目標(biāo)點(diǎn)yn的總數(shù)，表示xm對(duì)yn的貢獻(xiàn)計(jì)數(shù)，m表示xm的索引，m表示xm的總數(shù)，p(yn|xm)表示xm對(duì)yn的概率估計(jì)，dest表示對(duì)位置xm的密度估計(jì)，yn表示目標(biāo)點(diǎn)的真實(shí)位本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述S1包括：
3.根據(jù)權(quán)利要求1所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述S2中種子自動(dòng)計(jì)數(shù)模型包括：
4.根據(jù)權(quán)利要求3所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述特征提取層包括：
5.根據(jù)權(quán)利要求3所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述全局層包括：
6.根據(jù)權(quán)利要求1所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述損失函數(shù)的表達(dá)式為：
【技術(shù)特征摘要】
1.一種作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述s1包括：
3.根據(jù)權(quán)利要求1所述的作物種子自動(dòng)計(jì)數(shù)方法，其特征在于，所述s2中種子自動(dòng)計(jì)數(shù)模型包括：
4.根...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：蔣霓，嚴(yán)閩汝，鄭樹松，李宗陽(yáng)，
申請(qǐng)(專利權(quán))人：中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。