1.一种基于深度学习的杂交稻种质量识别装置，包括操作台（13），以及设置在操作台（13）的台面上并与传动装置传动连接的输送带（12）；其特征在于：育种板（7）放置在输送带（12）上，随着输送带（12）的运行而沿着输送带（12）运行方向移位；位于输送带（12）的上方，从输送带（12）运行方向的起始端至末端依次设置有摄像头（6）和X光箱（9），所述的摄像头（6）和X光箱（9）与上位机（1）信号连接；所述的摄像头（6）采集种子的图像，将种子图像传输至上位机（1），上位机（1）将图像放入模型中，得到分割好的种子图像，并对图像中的种子颜色进行采集，提取每颗种子的颜色，对种子的颜色进行比对，根据种子的颜色将种子分为好、中、差三个等级；X光箱（9）通过X光采集到种子的饱满度图像，将图像传输到上位机（1），由上位机（1）计算每颗种子的面积，得出种子的饱和度，根据种子的饱和度判断种子是否可以发芽；

所述的上位机（1）内装有基于改进yolact的模型，基于改进yolact的模型，是在yolact模型中使用目标检测的YOLOv7网络代替模型中Prediction Head模块部分；YOLOv7网络能够对图像上的种子进行目标定位，并用检测框对种子的位置和类别进行标注，消除yolact模型中Prediction Head模块在生成检测框时所带的偏移误差；并在yolact模型的Protonet模块之前增加SAM的注意力机制模块，SAM的注意力机制模块能够通过数学公式为特征图得出3D注意力权值，评估每一个像素的重要性，SAM模块通过评估每个像素的重要程度，使Protonet模块在分割种子和背景时效果得到显著提高，SAM模块的公式为：公式中，E是将所有能量函数在跨通道和空间维度进行分组的结果，Sigmoid激活函数是防止E的值过大，X为输入图像的特征图，通过优化特征图中的每个像素，得到对应的在摄像头（6）采集完图像后通过数据线（10）传输给上位机（1）；由上位机（1）中的基于改进yolact的模型进行图像的处理；图像的处理步骤包括：步骤1：提取摄像头(6)拍摄的稻种图像；

步骤2：对稻种图像进行人工标注，在标注完成之后，使用标注工具中划分数据集的功能把数据集划分为训练集、验证集、测试集三部分，比例为6:2:2，将训练集、验证集、测试集分别输入到预处理模块对图像进行预处理和数据增强，并将测试集中的图像进行缩放和归一化处理；

步骤3：将数据集放入基于改进yolact的模型中进行训练，得到效果最好的模型；

步骤4：在基于改进yolact的模型的测试模块引入训练好的模型后，将待测图像放入测试模块进行识别，得到分割好的种子图像；

步骤5：对分割好的种子图像进行取色操作，在预处理时，使用opencv把除了种子自身颜色之外的颜色全部去除，再通过opencv中的findContours函数寻找每个种子的位置，之后再使用cvtColor函数得到每个种子图像的HSV值；

步骤6：根据HSV中色调的值把种子进行分级，色调为37-42区间标记为好，色调为43-48区间标记为中，色调为48-53区间标记为差，在相应的种子位置标记出对应的等级；

步骤7：输出结果：使用数字进行标记，数字1代表好、数字2代表中、数字3代表差；

步骤8：操作完成。

2.根据权利要求1所述的一种基于深度学习的杂交稻种质量识别装置，其特征在于：所述的传动装置包括设置在输送带（12）两端的电机（4），电机（4）的输出端通过传动链与传动辊（3）传动连接；电机（4）的转动，通过传动链带动传动辊（3）转动，传动辊（3）转动带动输送带（12）运行。

3.根据权利要求1所述的一种基于深度学习的杂交稻种质量识别装置，其特征在于：步骤2所述的对图像进行预处理，预处理的操作步骤包括：步骤2.1：对图像进行灰度化处理：使用平均值法，将彩色图像中的三分量亮度求平均得到一个灰度值，完成灰度图像的转换；

步骤2.2：对图像进行几何变换处理，通过对图像进行平移、转置、镜像、旋转、缩放的处理，用于改正图像采集系统的系统误差和仪器位置的随机误差；

步骤2.3：对图像进行图像增强处理，通过使用求平均值法和中值滤波法，去除或减弱噪声。

4.根据权利要求1所述的一种基于深度学习的杂交稻种质量识别装置，其特征在于：所述的摄像头（6）通过支架（5）固定在传送带的上放，支架（5）固定在操作台（13）的台面上，调整摄像头（6）角度，使其能够采集到育种板（7）上种子的图片；所述的X光箱（9）固定在操作台（13）的台面上，使得X光箱（9）作用于输送带（12）上，可以采集到在X光下，育种板（7）上种子饱满度的图像；X光箱（9）通过数据传输线与上位机（1）连接，X光箱（9）在采集到种子的图像后，通过数据线将图像上传至上位机（1），上位机（1）对图像进行处理后得到种子的发芽率。

5.根据权利要求1或4所述的一种基于深度学习的杂交稻种质量识别装置，其特征在于：所述的上位机（1）根据种子的饱和度判断种子是否可以发芽的具体操作方式为：步骤A：装有种子的育种板通过X光箱，X光箱得到种子的饱满度图像，并将图像上传至上位机；

步骤B：上位机读取种子的饱满度图像，通过opencv去除其余杂色；

步骤C：通过findContours函数获取每一个种子的轮廓，通过种子轮廓的面积除于种子原来的面积得到种子的饱满度；

步骤D：对种子的饱满度进行判断：当种子的饱满度在大于0.8，则判断种子可以发芽；当饱满度面积小于0.8，则判断种子不能发芽；

步骤E：输出判断结果，对可以出芽的种子位置进行标记，数字1为可发芽种子，数字2为不可发芽种子。