(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211479034.4 (22)申请日 2022.11.24 (71)申请人 浙江托普云农科技股份有限公司 地址 310015 浙江省杭州市拱 墅区祥园路 88号3幢1101室 (72)发明人 陈渝阳　朱旭华　周希杰　刘荣利　 王闯　谢朝明　 (74)专利代理 机构 杭州汇和信专利代理有限公 司 33475 专利代理师 董超 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种农作物种子发芽情况识别模型、 构建方 法及其应用 (57)摘要 本申请提出了一种农作物种子发芽情况识 别模型、 构建方法及其应用， 获取包含种子的高 光谱图像， 其中高光谱图像中标记每一所述种子 的发芽标签， 种子置于包含网格的纸张上拍摄高 光谱图像； 对高光谱图像进行分割， 得到每一种 子的位置信息， 位置信息包括种子所包含的像素 坐标和种子位置二值图像； 匹配位置信息和发芽 标签， 提取每颗种子在高光谱图像中的种子特征 图像； 自适应填充每一种子特征图像得到对应的 填充特征图像； 填充特征图像作为训练集， 训练 集输入到改进的深度卷积神经网络中进行训练 得到农作物种子发芽情况识别模 型， 其中种子发 芽情况作为输出结果， 可结合高光谱分割图像和 深度神经网络提高农作物种子发芽率识别率。 权利要求书2页 说明书9页 附图9页 CN 115512232 A 2022.12.23 CN 115512232 A 1.一种农作物种子发芽情况识别模型的构建方法， 其特 征在于， 包括： S1： 获取包含种子的高光谱图像， 其中所述高光谱图像中标记每一所述种子的发芽标 签， 种子置于包含网格的纸张上拍摄高光谱图像； S2： 对所述高光谱图像进行分割， 得到每一所述种子的位置信息， 所述位置信息包括种 子所包含的像素坐标和种子位置二 值图像； S3： 匹配所述位置信息和所述发芽标签， 提取所述每颗种子在所述高光谱图像中的种 子特征组成种子特 征图像； S4： 自适应填充每一所述种子特 征图像得到对应的填充特 征图像； S5： 所述填充特征图像作为训练集， 所述训练集输入到改进的深度卷积神经网络中进 行训练得到农作物种子发芽情况识别模型， 其中种子发芽情况作为输出 结果。 2.根据权利要求1所述的农作物种子发芽情况识别模型的构建方法， 其特征在于， 步骤 S2进一步包括步骤： S21： 拆分所述高光谱图像得到每个波段的灰度图， 对灰度图进行阈值分割和自适应分 割操作得到分割二 值图像， 融合所述分割二 值图像得到第一图像； S22： 去除第 一图像中所有的网格线， 初步分割出显示种子位置和纸张边缘轮廓位置的 第一二值图像； S23： 对第一图像做孔洞填充和形态学操作， 得到网格区域内所包含的所有像素坐标， 进而得到网格区域； S24： 根据 所述网格区域的轮廓信息， 将所述网格区域绘制在和所述高光谱图像大小相 同的黑色图像上， 得到一张 网格区域 为白色， 其 他区域为黑色的第二 二值图像； S25： 对第一二值图像和第二二值图像mask中每个像素进行二进制与操作， 得到 网格区 域内种子的分割二 值图像； S26： 对得到的分割二值图像进行连通域面积过滤去除杂质， 得到分割较好的位置信 息， 所述位置信息包括每颗种子所包 含的像素坐标和种子位置二 值图像。 3.根据权利要求1所述的农作物种子发芽情况识别模型的构建方法， 其特征在于， 步骤 S3进一步包括步骤： S31： 校正所述 位置信息对应的网格的最小矩阵框得到网格矩阵框； S32： 获取每颗种子的中心点至所述网格矩阵框的边界线的距离， 并得到每颗种子对应 的正外接矩形框； S33： 依据每颗种子的中心点距离所述网格矩阵框的边界线的距离， 排序所述种子； S34： 基于排序后的种子判断种子是否重叠， 去除重叠的种子得到排序后可用的种子信 息， 所述种子信息中包 含每颗种子的顺序编号及每颗种子正外 接矩形所包含的像素坐标； S35： 读取所述种子的发芽标签， 将所述发芽标签和种子的顺序编号 一一对应； S36： 根据每颗种子的正外接矩形的像素坐标和旋转角度， 在所述高光谱图像的每个波 段上提取特征， 得到每颗种子的高光谱特 征及其对应的发芽标签。 4.根据权利要求3所述的农作物种子发芽情况识别模型的构建方法， 其特征在于， 在步 骤S31中， 计算所述位置信息对应的网格的最小矩形框， 得到最小矩形框与水平轴的旋转角 度， 通过仿射变换对所述最小矩形框的四个顶点坐标进行矫正， 得到矫正后的最小矩形框 的顶点坐标。权　利　要　求　书 1/2 页 2 CN 115512232 A 25.根据权利要求1所述的农作物种子发芽情况识别模型的构建方法， 其特征在于， 利用 自适应缩放的方式实现自适应填充每一所述种子特 征图像得到对应的填充特 征图像。 6.根据权利要求1所述的农作物种子发芽情况识别模型的构建方法， 其特征在于， 深度 学习卷积神经网络为ResNet34， 其中在ResNet34最后一个残差结构后增加空间金字塔池化 层， 去掉原来的平均池化层， 网络其它层结构不变。 7.一种农作物种子发芽情况识别模型， 其特征在于， 根据权利要求1 ‑6任一所述的农作 物种子发芽情况识别模型的构建方法构建得到 。 8.一种提高农作物种子发芽情况识别率的识别方法， 其特征在于， 包括以下步骤： 获取 待测种子的高光谱图像， 将所述高光谱图像输入到根据权利要求7所述的农作物种子发芽 情况识别模型中得到 输出结果， 基于所述输出 结果判断待测种子的发芽情况。 9.一种提高农作物种子发芽情况识别率的识别装置， 其特 征在于， 包括： 获取单元， 用于获取待测种子的高光谱图像； 检测单元， 用于将所述高光谱图像输入到实施例二构建的农作物种子发芽情况识别模 型中得到 输出结果， 基于所述输出 结果判断待测种子的发芽情况。 10.一种可读存储介质， 其特征在于， 所述可读存储介质中存储有计算机程序， 所述计 算机程序包括用于控制过程以执行过程的程序代码， 所述过程包括根据权利要求1至6任一 项所述的农作物种子发芽情况识别模型的构建方法或权利要求8所述的提高农作 物种子发 芽情况识别率的识别方法。权　利　要　求　书 2/2 页 3 CN 115512232 A 3