技术摘要：
本发明提出了一种基于双分支卷积神经网络的向日葵种子分选方法，其步骤为：首先，对获取向日葵种子的原始图像标注类标签，并随机分成训练集和测试集，然后对训练集和测试集进行数据扩增，形成扩增训练集和扩增测试集；其次，构建网络结构为输入层‑特征提取层‑输出层  全部
背景技术：
自动分选技术在工业、农业和商业有着非常广阔的发展和应用前景。尤其在农业 种子的分选任务中，由于农业市场对种子质量要求的不断严格化和精细化，提高市场中的 作物种子的质量已经成为农业生产中的重要任务。 在向日葵种子的收获和存储过程中会有大量异常种子的混入，导致种子产品在市 场上的竞争力不足。如何高效准确的对向日葵种子中的异常种子进行识别实现分选，这在 农业领域中仍然是一个相对比较棘手的问题。异常向日葵种子的种类繁多(缺陷、变质等) 与正常向日葵种子具有种间相似性，采用传统的人工检测方法，在实际的生产中效率非常 低。而传统的基于人工提取的低级特征的图像识别算法由于无法有效的提取具有判别性的 特征，在向日葵种子的分选中具有自适应性不强的问题。所以寻找一种可以替代传统种子 分选的方法，对不同的作物种子的识别和分类研究具有重要的意义和应用价值。近年来，卷 积神经网络由于能够通过大量的图像数据自动的学习并提取到丰富的低级特征和高级特 征在图像识别任务上取得了巨大的突破。然而，这些卷积神经网络比较复杂，实时性低。此 外，仅在一些数据量非常大的数据集上取得较高的准确度。因此，在向日葵种子的识别中， 迫切需要一种鲁棒性高并且轻量的算法。
技术实现要素：
针对上述