买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：响水县粮油作物栽培技术指导站

摘要：本发明公开了一种用于玉米单产提升的良种筛选方法及系统，涉及农业技术领域。其中，该方法包括：获取待筛选的玉米种子的第一多光谱图像、第二光谱图像与第三光谱图像；对衰减全反射光谱进行时域频域信号的转换及吸光度参数的提取得到吸光度谱；将多光谱图像融合数据输入构建的包括多级卷积层的卷积神经网络模型进行模型训练，获得训练完成的玉米种子良种筛选模型；其中，卷积神经网络模型的参数包括多组卷积核生成参数；将多光谱图像融合数据输入训练完成的玉米种子良种筛选模型，以对待筛选的玉米种子中的良种进行预测筛选。本申请实现了自动化筛选玉米种子中的良种。

主权项：1.一种用于玉米单产提升的良种筛选方法，其特征在于，包括：获取待筛选的玉米种子的第一多光谱图像、第二多光谱图像与第三多光谱图像；其中，所述第一多光谱图像包含5个通道的图像，所述第二多光谱图像包含16个通道的图像，所述第三多光谱图像包含19个通道的图像；获取待筛选的玉米种子的衰减全反射光谱；对所述衰减全反射光谱进行时域频域信号的转换及吸光度参数的提取得到吸光度谱；基于所述吸光度谱对所述待筛选的玉米种子对应的所述第一多光谱图像、所述第二多光谱图像以及所述第三多光谱图像进行图像增强和图像融合，获得多光谱图像融合数据；其中，所述图像增强包括对所述第一多光谱图像、所述第二多光谱图像以及所述第三多光谱图像进行图像旋转、图像平移和图像镜像；所述图像融合包括对所述第一多光谱图像包含的5个通道的图像、所述第二多光谱图像包含的16个通道的图像以及所述第三多光谱图像包含的19个通道的图像进行融合；将所述多光谱图像融合数据输入构建的包括多级卷积层的卷积神经网络模型进行模型训练，获得训练完成的玉米种子良种筛选模型；其中，所述卷积神经网络模型的参数包括多组卷积核生成参数；将所述多光谱图像融合数据输入所述训练完成的玉米种子良种筛选模型，以对所述待筛选的玉米种子中的良种进行预测筛选；所述卷积神经网络模型采用双层注意力机制，所述将所述多光谱图像融合数据输入构建的包括多级卷积层的卷积神经网络模型进行模型训练，获得训练完成的玉米种子良种筛选模型，包括：利用所述多光谱图像融合数据对所述多组卷积核生成参数进行训练，其中，在训练中，利用每一组卷积核生成参数基于原始卷积核中的一部分生成一个衍生卷积核，得到多个衍生卷积核；利用所述原始卷积核以及所述多个衍生卷积核对所述多光谱图像融合数据的图像特征进行卷积处理，得到多个特征映射；其中，所述原始卷积核的表达式具体为：其中，为所述原始卷积核；x表示输入；k表示卷积核；*为卷积运算符号；i与j表示输出位置；将所述双层注意力机制包括的硬注意力机制应用到所述多个特征映射；通过向所述多个特征映射提供权重以获得加权的特征映射，将所述注意力机制包括的软注意力应用到所述加权的特征映射；基于所述多个特征映射以及所述加权的特征映射计算输出特征向量；将所述输出特征向量送入前三元组损失函数以及后三元组损失函数进行阶段交替训练，计算损失值，再通过反向传播的方式更新所述卷积神经网络的权重，直至所述前三元组损失函数以及所述后三元组损失函数均收敛，获得训练完成的所述玉米种子良种筛选模型；所述将所述输出特征向量送入前三元组损失函数以及后三元组损失函数进行阶段交替训练，包括：将所述前三元组损失函数训练阶段称为前阶段；将所述后三元组损失函数训练阶段称为后阶段；训练从所述前阶段开始，训练第一预设数量个纪元后变换为所述后阶段训练第二预设数量个纪元。

全文数据：

权利要求：

百度查询： 响水县粮油作物栽培技术指导站 一种用于玉米单产提升的良种筛选方法及系统