基于改进SSD的棉种破损检测

顾伟， 王巧华，李庆旭，施行，张洪洲

华中农业大学工学院/农业农村部长江中下游农业装备重点实验室，武汉 430070

棉种在轧花、脱绒或磨光等过程中，都会有不同程度的破损，这将直接影响棉花的产量和品质[1]。新疆南疆地区是我国重要的棉花生产基地，棉籽精选对提高该地区的棉花产量具有重要意义。目前，国内外有关种子检测方法的研究较多，如王亚丽等[2]、Tigabu等[3]使用近红外(NIR)光谱分别对玉米种子和松树种子进行分类；董翠翠等[4]、闫彬等[5]采用机器视觉对种子的颜色以及破损情况进行研究与分选；余淑华等[6-7]运用色选理论对棉籽的成熟度以及完整度进行识别；Golshan等[8]、Brennen等[9]利用不同的算法自动检测图像中的种子；Dean等[10]利用种子的密度成功分选了候选突变体。以上研究大多都针对单粒种子的检测，单粒棉籽的检测效率低，实际应用很难满足生产需求，因此提高棉籽检测效率是该研究的主要方向。

基于传统的机器学习方法实现破损棉籽的鉴别，需要人工提取棉籽数据特征才能建立破损棉籽的判别模型，因此该方法的检测效率很难满足生产需要[11]。卷积神经网络(deep convolutional neural network)自动提取图像特征优势明显，且在农业检测领域应用广泛[12-13]。由于棉籽尺寸较小，在图像中属于小目标，手动提取特征较为困难。SSD-VGG16网络能够快速检测出图像中的棉籽，并识别其类别与位置信息，适用于多目标检测，但对于群体棉籽的品质检测还需要进一步的改进。

本研究在SSD网络……