Потоковая сепарация семян зерновых культур на основе классификации объектов с применением компьютерного зрения

Abstract

В работе изложены исследования методов компьютерного зрения и машинного обучения с целью обнаружения и распознавания класса зерновых культур в видеопотоке с целью увеличения точности сепарации семян от сора перед посадкой. Особенности семян, трудноразличимые при использовании механических методов сепарации, различаются при использовании машинного обучения. Выбран метод машинного обучения с использованием грубокого обучения на нейросетях. Для исследований подготовлен специальный прототип прибора сепарации на лабораторной установке, где проводилось обучение классификатора и тесты применимости методик. Ряд экспериментов проведен для с целью определения работоспособности методики в условиях близких к эксплуатационным.

The paper presents a study of computer vision and machine learning approach used to detect and classify seeds of a grain crop in order to enhance seed purification before planting and thereby increase the yield. Main seed’s features that are hard to recognize during a separation with mechanical methods are resolved with the help of machine learning approach. The chosen machine learning method is presented as a deep learning method based on neural network. A special prototype of a separator was constructed and training image database was retrieved in order to check if the stated approach is reasonable to use and develop. A set of experiments is provided to show the effectiveness of the method applied to solve the stated problem.