基于深度学习的稻米垩白识别算法研究与应用

摘要

垩白是影响稻米加工和食用品质的重要因素，准确统计稻米中的垩白信息对于农业相关部门意义重大，而垩白识别是垩白信息统计的关键一步。现有的垩白识别算法主要以传统图像处理算法为主，而实际稻米图像中粘连种子较多且垩白区域图像的颜色、纹理信息较为复杂，基于人为规则的算法在实际垩白识别应用中的表现并不理想。本文研究一种基于深度学习的稻米垩白识别算法，以提高稻米垩白的识别精度。文章主要内容如下： 1.本文研究了一种基于凹点匹配的粘连种子分割算法。由于本文设计的垩白识别网络针对单粒种子，故首先要对粘连种子图像进行分割。本文结合形态学操作、凹点匹配以及距离变换函数，对现有分割算法进行了改进：准确性方面，通过减少凹点数量降低了凹点匹配算法的错误率；规则匹配方面，对凹点对的匹配搜索范围进行了优化，在保证分割准确率的同时提高了算法运行效率；最后，本文提出了一种基于距离变换函数的分割算法，弥补了凹点匹配算法无法处理孤立凹点的缺陷，进一步改善了算法的分割效果。 2.本文设计了一种专用于单粒稻米垩白识别的全卷积神经网络G-Chalk。根据稻米图像分辨率小、稻米不同部位尺寸相差悬殊的特点，本文从网络特征图融合方式、反卷积方式以及损失函数三个方面对FCN-8s语义分割网络进行了改进，设计出一种适用于稻米垩白识别的语义分割网络G-Chalk。由于目前缺少用于语义分割的稻米数据库，本文构建了单粒稻米种子数据库Chalk4以训练神经网络模型并验证其有效性。本文最后结合大量对比实验选取G-Chalk网络的最佳参数，使网络与现有算法相比垩白识别准确率大幅提升，并且有更强的适应性与鲁棒性。 3.本文研究了一种基于灰度共生矩阵的SLIC超像素分割算法。针对SLIC超像素算法在处理低分辨率图像时超像素聚合易出错的问题，本文根据灰度共生矩阵得到的图像纹理信息来改进SLIC算法步骤，使其能够更好地分割出含有准确边缘信息的超像素。将SLIC算法得到的精细边缘来弥补语义分割网络边缘提取粗糙的不足，最终进一步提升整体算法的垩白区域识别精度。 4.本文设计并实现了一个统计稻米各项信息的米质分析软件。软件提供良好的人机交互体验，使用户能够高效地对稻米图像中的垩白区域进行识别。

目录

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究历史与现状

1.2.1 粘连种子分割算法国内外研究

1.2.2 垩白识别算法国内外研究

1.3 本文的主要研究内容

1.4 本论文的结构安排

第二章 相关理论及技术研究

2.1.1 图像卷积运算

2.1.2 图像二值化算法

2.1.3 图像形态学处理

2.1.4 双线性插值技术

2.2 神经网络基础理论研究

2.2.1 神经元

2.2.2 前馈神经网络研究

2.2.3 反向传播算法研究

2.2.4 梯度下降法研究

2.2.5 动量法研究

2.2.6 L2正则化研究

2.2.7 学习率衰减研究

2.2.8 Dropout技术研究

2.3 卷积神经网络研究

2.3.1 卷积层

2.3.2 池化层

2.3.3 全连接层

2.3.4 损失层

2.4 整体算法设计

2.5 本章小结

第三章 基于凹点匹配的粘连种子分割算法研究

3.1 本章算法框架

3.2 稻米图像预处理

3.2.1 图像二值化及高斯去噪

3.2.2 Canny算法提取轮廓信息

3.2.3 圆形模板提取轮廓凹点

3.3 基于形态学操作的图像分割算法

3.4 基于局部凹点匹配的图像分割算法

3.4.1 基于全局凹点匹配的分割算法研究

3.4.2 基于局部凹点匹配的分割算法研究

3.5 基于距离变换函数的图像分割方法

3.5.1 距离变换函数

3.5.2 孤立凹点的分割路径研究

3.6 实验结果及分析

3.7 本章小结

第四章 基于全卷积神经网络的单粒稻米垩白识别方法

4.1 本章算法框架

4.2.1 全卷积神经网络原理剖析

4.2.2 FCN-8s模型的网络结构研究

4.2.3 迁移学习

4.2.4 构建稻米种子数据库Chalk4

4.2.5 实验结果及分析

4.3 稻米垩白识别网络G-Chalk的设计

4.3.1 改进特征图融合方式

4.3.2 改进反卷积方式

4.3.3 改进损失函数

4.3.4 实验结果及分析

4.4.1 SLIC超像素分割技术研究

4.4.2 GLCM灰度共生矩阵技术研究

4.4.3 基于图像纹理特征的超像素分割技术

4.5 实验结果及分析

4.6 本章小结

第五章 米质分析软件设计与实现

5.1 软件模块设计

5.2.1 系统主界面

5.2.2 配置界面

5.2.3 结果统计栏

5.3 本章小结

第六章 总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果