摘要
玉米是我国重要的谷类作物,玉米种子的纯度是影响种子质量的关键指标,不同品种玉米的种子活力、物理指标和发芽率都是不同的,因此需要对玉米品种的真伪进行鉴别分选.传统模式识别的方法需要人工定义各类特征,存在主观判断、费时费力等问题,实用性较差.针对上述问题,本研究拟建立一种基于RGB图像结合深度学习的低成本、高效、无损的单粒玉米种子真伪检测方法,选用不同产地登海605玉米种子440粒,其他品种480粒,采集玉米种子胚面和胚乳面制作数据集,通过图像处理技术对图像进行预处理,并按照7:2:1的比例将数据集分为训练集、验证集和测试集,分别使用GoogLeNet、MobileNet、Inception-ResNet、ResNet、DenseNet共5种网络模型利用迁移学习对3类数据集进行分类测试,结果表明,5种网络模型在双面数据集的平均识别准确率最高,测试识别准确率为99.05％,ResNet网络在3类数据集中的分类效果最佳,在双面测试集上为99.91％.本研究提供了一种无损、高效、相对可靠的方法来鉴别登海605玉米品种的真伪.
基金项目
山东省重点研发计划项目(2019GNC106001)
青岛市民生科技计划项目(18-6-1-112-nsh)
淄博市重点研发计划项目(2019gy010101)
山东省高等学校青创人才引育计划项目(202202027)
NETL
NSTL
维普
万方数据