苦荞麦作为一种药食同源的草本植物,不同品种的苦荞种子所含的功能成分各不相同,根据不同的关注点对品种的选取也不相同,为了避免不同品种苦荞种子之间的掺杂,对苦荞种子质量的要求也越来越高。为了提高苦荞种子鉴别的识别效率并同时降低对苦荞识别所需的成本,本研究提出了基于机器视觉苦荞种子的鉴别方法,首先对苦荞数据集进行预处理操作,使之适合神经网络的输入,然后根据本研究所提出的积残差网络进行特征提取,继而选取适合特征向量空间特点的多分类支持向量机来对苦荞的品种进行分类。本文研究的主要内容和结论如下。(1)对苦荞数据集预处理的研究。给定苦荞数据集中的苦荞图像维度太高,不能直接作为卷积残差网络的输入,针对这个问题本研究提出了用于苦荞种子图像归一化的方法。首先对于苦荞图像使用主成分分析方法进行确定苦荞朝向的旋转角,然后依据旋转角度旋转苦荞图像使之统一水平朝向。苦荞图像中背景面积占比较大,为了去除多余的背景图像,提出了基于目标检测的苦荞图像裁剪方法。(2)提出了苦荞种子鉴别模型。为了让神经网络能够更加丰富地提取苦荞特征,本文对每一卷积层采用多尺度卷积核。为了避免网络产生梯度消失或爆炸等现象,还采用了残差网络的设计思想,在网络中加入了恒等映射,因此本文提出了卷积残差神经网络卷积残差网络。采用三元组损失对网络进行参数更新,这种方法可以让同类别的苦荞特征更加聚拢,不同类的苦荞特征相距尽可能地远。实验结果表明卷积残差网络比普通的分类方法高出20个百分点。(3)对不同数据量下卷积残差网络分类性能的研究。给定的数据集中每一类苦荞的数量较少,无法完全体现卷积残差网络的分类性能,另外为了在增多数据量的同时防止网络过拟合的产生,本论文采用数据增强的方法来对数据集进行增广操作,最终的实验结果表明在大数据量下卷积残差网络的分类性能更高。