玉米在全球谷物市場(chǎng)占主導(dǎo)地位。根據(jù)數(shù)據(jù)統(tǒng)計(jì)顯示出該谷物在世界經(jīng)濟(jì)中的重要性，必須在其商業(yè)化過(guò)程中定義標(biāo)準(zhǔn)，其中包含品質(zhì)分析。目前，玉米籽粒的品質(zhì)分析是由專家手動(dòng)進(jìn)行的，檢查過(guò)程由于存在目視的主觀性，使得這項(xiàng)任務(wù)繁瑣、復(fù)雜且易錯(cuò)。

本文提出了一種有效的方法來(lái)對(duì)一組接觸的玉米粒進(jìn)行分類，其中可能包含良好或有缺陷的玉米粒以及雜質(zhì)。所提出的方法包括兩個(gè)階段，第一個(gè)階段是分割網(wǎng)絡(luò)，通過(guò)使用一組合成圖像進(jìn)行訓(xùn)練，該圖像用于將給定圖像劃分為一組單獨(dú)的實(shí)例。然后提出一個(gè)高效的輕量級(jí)CNN架構(gòu)，將每個(gè)實(shí)例分為三類（即好，有缺陷和雜質(zhì)）。該策略避免了耗時(shí)且容易出現(xiàn)人為錯(cuò)誤的手動(dòng)數(shù)據(jù)注釋任務(wù)。在分類階段，所提出的網(wǎng)絡(luò)僅設(shè)計(jì)了幾組層，形成了能夠用于集成解決方案的輕量級(jí)架構(gòu)。實(shí)驗(yàn)結(jié)果與先前方法比較表明，該方法在精度和時(shí)間上都有提高。最后，提出的分割和分類方法可以方便地應(yīng)用于其他谷物類型。


首先，裁剪來(lái)自真實(shí)世界圖像的每個(gè)顆粒（即顆粒網(wǎng)格）。然后，使用背景減法提取顆粒的面積。接下來(lái)，通過(guò)定位算法將顆粒插入到空的合成圖像中；最后，在合成圖像上應(yīng)用自定義背景。


以合成的玉米顆粒簇的圖像為例(未使用分類模塊)。






文獻(xiàn)來(lái)源：Patricia L. Suárez; Henry O. Velesaca; Dario Carpio; Angel D. Sappa. Corn kernel classification from few training samples. Artificial Intelligence in Agriculture. Volume 9, 2023, https://doi.org/10.1016/j.aiia.2023.08.006.