基于残差网络的玉米品种识别与成熟度检测技术研究.pdf

摘要

玉米作为我国主要粮食作物之一，是种植范围最广的谷类作物，在农业经济发展

中占有重要地位。保证玉米种子质量，合理选择玉米种质资源，是提高我国玉米产量

的关键因素。因此，本文首先利用高光谱技术构建一个高光谱玉米种子数据集。其次，

基于残差网络思想，设计并实现高光谱玉米种子品种识别算法ERNet以及高光谱玉米

种子成熟度检测算法HRAMNet。最后，使用Web技术实现玉米种子识别系统。旨在

运用现代信息技术为我国种质资源保护提供有效的技术支持。本文主要工作如下：

（1）构建高光谱玉米种子数据集。该数据集包含12个玉米品种，每个品种有120

张原始高光谱图片，每张图片包含128个波段，共1440张图片。在品种识别中将玉米

种子进行精确裁剪，去除噪声与受干扰的波段，将剩余波段进行降维后，获得153720

张图片。在成熟度检测中，使用原始高光谱数据立方体，并将种子根据成熟度重新划

分。

（2）实现高光谱玉米种子品种识别算法ERNet。该算法首先利用LDA对高光谱

图像进行降维处理，使得高光谱图像能够顺利输入到网络中。其次，采用有效残差块

对图像进行细粒度特征提取，避免数据冗余和不均衡的特征提取问题。最后，将提取

的特征信息转换为全连接形式的特征向量，使用分类器Softmax对高光谱玉米图像特

征进行分类识别。经实验证明该模型准确率达到了98.36%，为高光谱种子图像的分类

研究提供有价值的参考。

（3）提出高光谱玉米种子成熟度检测算法HRAMNet。首先将高光谱玉米种子原

始数据立方体输入网络，这种高维非线性特征可通过获取其多尺度空间和光谱特征进

行处理。因此，HRAMNet算法采用双分支架构，分上下两分支。上支为光谱分支，下

支为空间分支。其次将两分支得到的多尺度特征进行融合，利用得到的多尺度空间和

光谱特征，增强特征的表示能力，从而实现分类的准确性。经实验表明，虽然

HRAMNet取得了97.39%的准确率，但在其他方面还有待改进。该方法为高光谱图像

分类提供了新的思路。

（4）设计高光谱玉米种子识别系统。该系统调用模型算法对上传到系统的高光谱

I

玉米种子图片进行识别，给出所属的品种或种子的成熟度。还可以在系统中搜索该品

种的详细信息，并在社群进行沟通交流。该应用能够运用于农业生产、育种和种子鉴

定等领域。

关键词：玉米种子，残差网络，高光谱技术，图像识别，深度学习

II

ABSTRACT

AsoneofthemajorfoodcropsinChina,cornisthemostwidelyplantedcerealcropandoccupiesan

importantpositioninthedevelopmentoftheagriculturaleconomy.Ensuringthequalityofcornseedsand

rationallyselectingcorngermplasmresourcesarethekeyfactorsinimprovingcornyieldinChina.

Therefore,thisdissertationfirstutilizeshyperspectraltechnologytoconstructahyperspectralcornseed

dataset.Secondly,basedontheideaofaresidualnetwork,wedesignandimplementthehyperspectralcorn

seedvarietyrecognitionalgorithmERNetandthehyperspectralcornseedmaturitydetectionalg