基于GoogLeNet的玉米籽粒破损及霉变在线辨识方法

作者：林杰; 王发赢; 姚艳春^*; 崔春晓; 盛振哲; 曲殿伟

来源：中国农机化学报, 2023, 44(10): 87-92.

DOI：10.13733/j.jcam.issn.2095-5553.2023.10.013

• 玉米籽粒
• 阈值分割
• 破损
• 霉变
• 卷积

针对采集的玉米籽粒图像存在冗余信息多、目标区域占比小、目标位置具有随机性等问题，提出一种基于颜色空间(HSV)阈值分割的玉米籽粒图像切片处理方法，提高玉米籽粒破损及霉变的辨识准确率。首先，确定分割阈值，提取出玉米籽粒轮廓，根据轮廓的最小外接矩形框顶点坐标，确定裁剪坐标并裁剪图像；其次，获得未经图像切片处理与切片处理的GoogLeNet模型权重，在GoogLeNet第一、二、三层卷积及inception5b模块后使用Grad-CAM可视化方法，对不同卷积层所提取的特征进行可视化解释；最后，结合验证集准确率评价两组模型对完好、破损以及霉变玉米籽粒的特征提取能力。结果表明，本文提出的图像切片处理方法可将验证集准确率提高到93.74%,相较于未经图像切片处理的数据集，在GoogLeNet上验证集准确率提升7.99%;借助Grad-CAM可视化方法显示模型关注区域，可视化解释网络提取的特征，验证该方法的有效性，为玉米籽粒图像预处理及辨识分类提供新思路。

• 出版日期2023
• 单位山东理工大学; 山东五征集团有限公司