一种基于深度学习的稻谷杂质含量检测方法及装置

    公开(公告)号:CN120032363A

    公开(公告)日:2025-05-23

    申请号:CN202510119163.X

    申请日:2025-01-24

    Abstract: 本发明公开了一种基于深度学习的稻谷杂质含量检测方法及装置,涉及检测技术领域。方法包括:收集稻谷与杂质样本,平铺在含有标记点的背景布上,采集其原始图像;对原始图像依次进行图像校正、图像预处理和图像分割操作;将分割后的单独小物体图像按照稻谷与杂质的类别手工分类,得到类别样本图像数据集;建立基于DenseNet121的稻谷杂质识别模型,根据类别样本图像数据集训练并改进稻谷杂质识别模型,获得训练好的稻谷杂质识别模型;将待测稻谷样本平铺在定好标记点的背景布上,采集待测稻谷原始图像;对待测稻谷原始图像进行图像校正、图像预处理和图像分割,得到分割后的待测稻谷小图像;将待测稻谷小图像输入训练好的稻谷杂质识别模型进行识别分类,确定单独待测稻谷小图像的类别;提取杂质轮廓形成的总像素面积,确定杂质的拟合密度,根据杂质的总像素面积和拟合密度,确定稻谷样品中杂质的含量。本发明操作便捷、精度高,适用于稻谷质量评估的多种场景,显著提升稻谷杂质检测的效率和可靠性。

Patent Agency Ranking