星空体育·(CHINA)官方网站-Ios/安卓/手机版app下载

027-87860098

基于少量训练样本的玉米籽粒分类

2023/9/22
玉米在全球谷物市场占主导地位。根据数据统计显示出该谷物在世界经济中的重要性,必须在其商业化过程中定义标准,其中包含品质分析。目前,玉米籽粒的品质分析是由专家手动进行的,检查过程由于存在目视的主观性,使得这项任务繁琐、复杂且易错。

本文提出了一种有效的方法来对一组接触的玉米粒进行分类,其中可能包含良好或有缺陷的玉米粒以及杂质。所提出的方法包括两个阶段,第一个阶段是分割网络,通过使用一组合成图像进行训练,该图像用于将给定图像划分为一组单独的实例。然后提出一个高效的轻量级CNN架构,将每个实例分为三类(即好,有缺陷和杂质)。该策略避免了耗时且容易出现人为错误的手动数据注释任务。在分类阶段,所提出的网络仅设计了几组层,形成了能够用于集成解决方案的轻量级架构。实验结果与先前方法比较表明,该方法在精度和时间上都有提高。最后,提出的分割和分类方法可以方便地应用于其他谷物类型。

基于少量训练样本的玉米籽粒分类
图1 用于合成谷物成簇的整体管道。

首先,裁剪来自真实世界图像的每个颗粒(即颗粒网格)。然后,使用背景减法提取颗粒的面积。接下来,通过定位算法将颗粒插入到空的合成图像中;最后,在合成图像上应用自定义背景。

基于少量训练样本的玉米籽粒分类
图2 用于颗粒实例分割的Mask R-CNN架构。

以合成的玉米颗粒簇的图像为例(未使用分类模块)。

基于少量训练样本的玉米籽粒分类
图3 提出了一种轻量级分类架构。 

基于少量训练样本的玉米籽粒分类
图4 提出的CK-CNNLW架构在三分类情况下的ROC曲线。

基于少量训练样本的玉米籽粒分类
图5  CK-CNN和提出的CK-CNNLW模型对缺陷玉米类(三分类情况)的ROC曲线。

基于少量训练样本的玉米籽粒分类
图6  CK-CNN和提出的CK-CNNLW模型对杂质类的ROC曲线(三分类情况)。

基于少量训练样本的玉米籽粒分类
图7  CK-CNN和提出的CK-CNNLW模型对好的玉米类(三分类情况)的ROC曲线。

文献来源:Patricia L. Suárez; Henry O. Velesaca; Dario Carpio; Angel D. Sappa. Corn kernel classification from few training samples. Artificial Intelligence in Agriculture. Volume 9, 2023, https://doi.org/10.1016/j.aiia.2023.08.006.