本發(fā)明涉及圖像檢測(cè)，尤其是涉及一種發(fā)芽小麥種子高通量智能檢測(cè)方法與系統(tǒng)。

背景技術(shù)：

1、小麥在許多國(guó)家被廣泛種植，其產(chǎn)量和質(zhì)量對(duì)確保全球糧食供應(yīng)至關(guān)重要。穗發(fā)芽是種子在收獲前在穗上發(fā)芽的現(xiàn)象，與種子的休眠和發(fā)芽性狀密切相關(guān)。穗發(fā)芽對(duì)小麥籽粒品質(zhì)和產(chǎn)量有嚴(yán)重的負(fù)面影響，培育具有高穗發(fā)芽抗性的小麥品種具有重要意義。通過(guò)比較發(fā)芽種子占全部種子的比例，可以從栽培品種中篩選出具有優(yōu)良穗發(fā)芽抗性的品種。由于小麥發(fā)芽種子的計(jì)數(shù)困難、非常耗時(shí)，迫切需要開發(fā)一種快速、精確的小麥正常和發(fā)芽種子計(jì)數(shù)的檢測(cè)系統(tǒng)。

2、近年來(lái)，隨著機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，各種目標(biāo)檢測(cè)方法被提出，植物種子的自動(dòng)檢測(cè)取得了很大的進(jìn)展。但是，在檢測(cè)速度方面，自動(dòng)圖像捕獲裝置的缺乏嚴(yán)重影響了檢測(cè)效率，檢測(cè)精度也需要進(jìn)一步提高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種發(fā)芽小麥種子高通量智能檢測(cè)方法與系統(tǒng)，采用自動(dòng)分散種子的成像系統(tǒng)使種子圖像的采集更加快速、高效，優(yōu)化后的基于全局-局部關(guān)注和聚焦機(jī)制的yolov7-cfocal模型顯著提高了發(fā)芽種子檢測(cè)的準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種發(fā)芽小麥種子高通量智能檢測(cè)方法，包括以下步驟：

3、步驟s1、初始化智能檢測(cè)系統(tǒng)，設(shè)置進(jìn)料用時(shí)t1、分散用時(shí)t2和出料用時(shí)t3，單次檢測(cè)累計(jì)用時(shí)t＝t1+t2+t3；

4、步驟s2、把待檢測(cè)的種子放入進(jìn)料倉(cāng)中，進(jìn)料臺(tái)上的振動(dòng)電機(jī)開始振動(dòng)，經(jīng)過(guò)t1后停止振動(dòng)，種子落入到載料盒中；

5、步驟s3、載料臺(tái)上的振動(dòng)電機(jī)開始振動(dòng)，經(jīng)過(guò)t2后停止振動(dòng)，種子均勻的分布在載料盒中；

6、步驟s4、通過(guò)光源控制器開啟光源，相機(jī)對(duì)載料盒中的種子進(jìn)行拍照，得到種子圖像；

7、步驟s5、通過(guò)io控制器控制出料擋板開啟，載料臺(tái)進(jìn)行出料操作，經(jīng)過(guò)t3后，使載料盒中的種子移出；

8、步驟s6、重復(fù)步驟s2-步驟s5，直到進(jìn)料倉(cāng)中沒(méi)有種子為止；

9、步驟s7、加載獲取的種子圖像，通過(guò)發(fā)芽種子檢測(cè)模型，檢測(cè)種子圖像中的正常種子和發(fā)芽種子；

10、步驟s8、統(tǒng)計(jì)正常種子和發(fā)芽種子的數(shù)量，計(jì)算發(fā)芽率；

11、步驟s9、輸出檢測(cè)結(jié)果。

12、優(yōu)選的，發(fā)芽種子檢測(cè)模型為yolov7-cfocal模型，yolov7-cfocal模型是在yolov7模型中加入卷積塊注意模塊cbam，并將yolov7中的elan模塊替換為focalnext模塊。

13、優(yōu)選的，卷積塊注意模塊cbam包括通道注意模塊和空間注意模塊。

14、優(yōu)選的，focalnext模塊包括多個(gè)焦點(diǎn)塊。通過(guò)焦點(diǎn)塊結(jié)合的不同操作，focalnext能夠在網(wǎng)絡(luò)中進(jìn)行深度特征提取和轉(zhuǎn)換，進(jìn)一步增強(qiáng)模型的表達(dá)能力和性能。

15、本發(fā)明還提供了一種用于實(shí)現(xiàn)上述的發(fā)芽小麥種子高通量智能檢測(cè)方法的系統(tǒng)，包括進(jìn)料組件、出料組件和識(shí)別組件；

16、所述進(jìn)料組件包括進(jìn)料臺(tái)，所述進(jìn)料臺(tái)上側(cè)設(shè)置有進(jìn)料倉(cāng)；

17、所述出料組件包括底座，所述底座上側(cè)設(shè)置有載料臺(tái)，所述載料臺(tái)上側(cè)設(shè)置有載料盒，所述載料盒的一側(cè)為出料擋板；

18、所述識(shí)別組件包括光源，所述光源上側(cè)設(shè)置有相機(jī)，所述相機(jī)的鏡頭位于光源的正上方；

19、所述進(jìn)料倉(cāng)與進(jìn)料控制器相連，所述進(jìn)料臺(tái)、載料臺(tái)和出料擋板均與io控制器相連。

20、優(yōu)選的，所述光源為環(huán)形led燈，所述光源與光源控制器連接。

21、優(yōu)選的，所述進(jìn)料臺(tái)和載料臺(tái)的四角處均設(shè)置有振動(dòng)電機(jī)。

22、優(yōu)選的，所述進(jìn)料倉(cāng)的出口位于載料盒的正上方。

23、因此，本發(fā)明采用上述的一種發(fā)芽小麥種子高通量智能檢測(cè)方法與系統(tǒng)，有益技術(shù)效果如下：采用自動(dòng)分散種子的成像系統(tǒng)使種子圖像的采集更加快速、高效，優(yōu)化后的基于全局-局部關(guān)注和聚焦機(jī)制的yolov7-cfocal模型顯著提高了發(fā)芽種子檢測(cè)的準(zhǔn)確性。

技術(shù)特征：

1.一種發(fā)芽小麥種子高通量智能檢測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種發(fā)芽小麥種子高通量智能檢測(cè)方法，其特征在于，發(fā)芽種子檢測(cè)模型為yolov7-cfocal模型，yolov7-cfocal模型是在yolov7模型中加入卷積塊注意模塊cbam，并將yolov7中的elan模塊替換為focalnext模塊。

3.根據(jù)權(quán)利要求2所述的一種發(fā)芽小麥種子高通量智能檢測(cè)方法，其特征在于，卷積塊注意模塊cbam包括通道注意模塊和空間注意模塊。

4.根據(jù)權(quán)利要求3所述的一種發(fā)芽小麥種子高通量智能檢測(cè)方法，其特征在于，focalnext模塊包括多個(gè)焦點(diǎn)塊。

5.一種用于實(shí)現(xiàn)如權(quán)利要求1-4任一項(xiàng)所述的發(fā)芽小麥種子高通量智能檢測(cè)方法的系統(tǒng)，其特征在于，包括進(jìn)料組件、出料組件和識(shí)別組件；

6.根據(jù)權(quán)利要求5所述的一種發(fā)芽小麥種子高通量智能檢測(cè)系統(tǒng)，其特征在于，所述光源為環(huán)形led燈，所述光源與光源控制器連接。

7.根據(jù)權(quán)利要求6所述的一種發(fā)芽小麥種子高通量智能檢測(cè)系統(tǒng)，其特征在于，所述進(jìn)料臺(tái)和載料臺(tái)的四角處均設(shè)置有振動(dòng)電機(jī)。

8.根據(jù)權(quán)利要求7所述的一種發(fā)芽小麥種子高通量智能檢測(cè)系統(tǒng)，其特征在于，所述進(jìn)料倉(cāng)的出口位于載料盒的正上方。

技術(shù)總結(jié)
本發(fā)明提供了一種發(fā)芽小麥種子高通量智能檢測(cè)方法與系統(tǒng)，屬于圖像檢測(cè)技術(shù)領(lǐng)域，包括進(jìn)料組件、出料組件和識(shí)別組件；所述進(jìn)料組件包括進(jìn)料臺(tái)，所述進(jìn)料臺(tái)上側(cè)設(shè)置有進(jìn)料倉(cāng)；所述出料組件包括底座，所述底座上側(cè)設(shè)置有載料臺(tái)，所述載料臺(tái)上側(cè)設(shè)置有載料盒，所述載料盒的一側(cè)為出料擋板；所述識(shí)別組件包括光源，所述光源上側(cè)設(shè)置有相機(jī)，所述相機(jī)的鏡頭位于光源的正上方；所述進(jìn)料倉(cāng)與進(jìn)料控制器相連，所述進(jìn)料臺(tái)、載料臺(tái)和出料擋板均與IO控制器相連。本發(fā)明采用自動(dòng)分散種子的成像系統(tǒng)使種子圖像的采集更加快速、高效，優(yōu)化后的YOLOv7?CFocal模型顯著提高了發(fā)芽種子檢測(cè)的準(zhǔn)確性。

技術(shù)研發(fā)人員：劉連忠,張海萍,常成,馬傳喜,陳少聰,譚維雙,石碩,楊康,朱冠巨
受保護(hù)的技術(shù)使用者：安徽農(nóng)業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6