一种基于深度学习的稻谷杂质含量检测方法及装置

本发明公开了一种基于深度学习的稻谷杂质含量检测方法及装置，涉及检测技术领域。方法包括：收集稻谷与杂质样本，平铺在含有标记点的背景布上，采集其原始图像；对原始图像依次进行图像校正、图像预处理和图像分割操作；将分割后的单独小物体图像按照稻谷与杂质的类别手工分类，得到类别样本图像数据集；建立基于DenseNet121的稻谷杂质识别模型，根据类别样本图像数据集训练并改进稻谷杂质识别模型，获得训练好的稻谷杂质识别模型；将待测稻谷样本平铺在定好标记点的背景布上，采集待测稻谷原始图像；对待测稻谷原始图像进行图像校正、图像预处理和图像分割，得到分割后的待测稻谷小图像；将待测稻谷小图像输入训练好的稻谷杂质识别模型进行识别分类，确定单独待测稻谷小图像的类别；提取杂质轮廓形成的总像素面积，确定杂质的拟合密度，根据杂质的总像素面积和拟合密度，确定稻谷样品中杂质的含量。本发明操作便捷、精度高，适用于稻谷质量评估的多种场景，显著提升稻谷杂质检测的效率和可靠性。