paddle玉米异常果穗智能筛分

1 项目背景

玉米作为重要粮食作物，种子质量是影响玉米产量的关键因素；选用优质玉米种子即：玉米制种穗选是重要环节，筛分出异常果穗（机械损伤、虫蛀、败育、病害等），有利于提高玉米种子的纯度和发芽率。传统的玉米制种穗选工作主要依靠人工，费时费力、存在主观误差。因此，研究基于人工智能技术的高通量玉米果穗智能筛分方法，提高玉米制种筛分的速率和效率，具有重要意义。玉米新品种选育工作多在田间进行，果穗图像易受周围环境（光照、粉尘、花丝附着、散落的碎粒等）影响，图像存在光照不均、霉变果穗颜色变化丰富、背景复杂、噪声大、果穗异常区域形状复杂等，采用传统的图像处理方法对玉米果穗进行筛分鲁棒性，难以满足育种的实际行业需要。异常果穗包括以下几种，如下图所示：

1. 机械损伤果穗：大型机械设备收获果穗较为新鲜，新鲜果穗含水量较大（30%左右），易造成果穗表皮损伤，露出白色胚乳；受伤胚乳易霉变，对玉米发芽率影响较大，影响产量。
2. 虫蛀果穗：受种植环境影响果穗发生病虫害，或存储过程中害虫对穗部叮咬，使得玉米果穗失去制种价值。
3. 霉变果穗：玉米果穗在田间或存储中，由于环境水分含量过高引起穗部发生霉变，籽粒呈现出各种霉斑颜色，失去制种价值。
4. 畸形果穗：玉米果穗两头大且有籽粒，中间部分小，没有结实籽粒；或果穗只有单侧面有籽粒，或只有很少籽粒散落分布，或果穗顶部秃尖过大，几乎可占果穗1/2以上。
5. 异种果穗：与所选的目标品种不同的果穗，这部分果穗若混入目标品种果穗中会影响后期制种的纯度。
6. 败育果穗：由于品种缺陷等原因导致玉米果穗顶部未发育或发育不全，表现为上部无籽粒或籽粒干瘪，严重秃尖可占果穗的1/2以上。

本项目基于飞桨PaddlePaddle框架，快速构建多种经典的卷积神经网络模型，解决玉米异常果穗筛分中的技术难点，实现对玉米果穗的高通量智能筛分。

2 项目方案

项目结合农业玉米异常果穗筛分这一实际问题，基于百度PaddlePaddle，我们研发了高通量玉米果穗智能筛分系统。系统的整体方案如下：

通过飞桨PaddlePaddle框架，构建、训练多种卷积神经网络，并测试它们对玉米果穗图像进行分类效果，调整各网络模型参数，最终选择最有网络模型实现对玉米果穗的精准、高效率筛分。采用的比对网络包括：AlexNet、VGG、ResNet、MobileNet v1和MobileNet v2等。

3 数据说明

本项目图像数据集使用团队研发的玉米异常果穗筛分便携设备和高通量筛分装置（如下图左、右）分别采集果穗图像。

采集图像包含正常、霉变、虫蛀、机械损伤和带苞叶等几个类别果穗，共81张图像。实验以7：2：1比例将数据集随机划分为训练集、测试集和验证集，部分图像如下：

说明：针对制种果穗类别样本数据不均衡的问题，也可采用镜像、旋转任意角度、改变亮度等技术实现样本数据的扩增，如下图所示。

5 项目展示

项目对比了各模型在相同数据集下的不同性能，如下图所示。经过50轮迭代训练后，ResNet与MobileNet等模型在玉米果穗分类任务中取得的效果优于AlexNet和VGG等模型的效果。

6 总结提高

本项目针对玉米异常果穗智能筛分这一农业领域实际生产问题，分别构造了AlexNet、VGG、ResNet、MobileNet等多种卷积神经网络进行图像分类识别。针对数据集相对较小的情况，选择较小的Batchsize，并调用PaddlePaddle的图像增强API进行数据增强处理，可以有效提升玉米异常果穗识别的准确率。