基于少量訓(xùn)練樣本的玉米籽粒分類

        玉米在全球谷物市場占主導(dǎo)地位。根據(jù)數(shù)據(jù)統(tǒng)計顯示出該谷物在世界經(jīng)濟(jì)中的重要性，必須在其商業(yè)化過程中定義標(biāo)準(zhǔn)，其中包含品質(zhì)分析。

目前，玉米籽粒的品質(zhì)分析是由專家手動進(jìn)行的，檢查過程由于存在目視的主觀性，使得這項任務(wù)繁瑣、復(fù)雜且易錯。

   我司提出了一種有效的方法來對一組接觸的玉米粒進(jìn)行分類，其中可能包含良好或有缺陷的玉米粒以及雜質(zhì)。所提出的方法包括兩個階段，

第一個階段是分割網(wǎng)絡(luò)，通過使用一組合成圖像進(jìn)行訓(xùn)練，該圖像用于將給定圖像劃分為一組單獨(dú)的實(shí)例。然后提出一個高效的輕量級CNN架構(gòu)，

將每個實(shí)例分為三類（即好，有缺陷和雜質(zhì)）。該策略避免了耗時且容易出現(xiàn)人為錯誤的手動數(shù)據(jù)注釋任務(wù)。在分類階段，所提出的網(wǎng)絡(luò)僅設(shè)計了幾組層，

形成了能夠用于集成解決方案的輕量級架構(gòu)。實(shí)驗(yàn)結(jié)果與先前方法比較表明，該方法在精度和時間上都有提高。最后，提出的分割和分類方法可以方便地應(yīng)用于其他谷物類型。

圖1 用于合成谷物成簇的整體管道。

首先，裁剪來自真實(shí)世界圖像的每個顆粒（即顆粒網(wǎng)格）。然后，使用背景減法提取顆粒的面積。接下來，通過定位算法將顆粒插入到空的合成圖像中；

最后，在合成圖像上應(yīng)用自定義背景。

                                                                               以合成的玉米顆粒簇的圖像為例(未使用分類模塊)

                                                                                               圖3 提出了一種輕量級分類架構(gòu)。

                                                           CK-CNN和提出的CK-CNNLW模型對好的玉米類(三分類情況)的ROC曲線。