基于GoogLeNet的玉米籽粒破损及霉变在线辨识方法

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。