[發明專利]一種農產品品質狀態識別方法及裝置

在審

• 申請號: 201811299013.8
• 申請日: 2018-11-02
• 公開（公告）號: CN109447165A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 張文靜
• 申請（專利權）人: 西安財經學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

1.一種農產品品質狀態識別方法，其特征在于，包括：

獲取目標農產品的圖像；

對所述圖像進行識別，確定所述目標農產品的目標種類；

根據所述目標農產品的目標種類，確定出與所述目標種類相匹配的第一卷積神經網絡，所述第一卷積神經網絡為經過深度學習的方法訓練得到的，用于識別所述目標種類的農產品的品質狀態信息的卷積神經網絡，所述品質狀態信息至少包括以下信息中的一種或多種：農產品成熟度、農產品病蟲害、農產品品種；

通過所述第一卷積神經網絡，識別出所述目標農產品的所述品質狀態信息。

2.根據權利要求1所述的方法，其特征在于，所述對所述圖像進行識別，確定所述目標農產品的目標種類，包括：

將所述圖像輸入第二卷積神經網絡，所述第二卷積神經網絡為經過深度學習的方法訓練得到的，用于識別農產品種類的卷積神經網絡；

通過所述第二卷積神經網絡，確定所述目標農產品的目標種類。

3.根據權利要求1或2所述的方法，其特征在于，所述對所述圖像進行識別，確定所述目標農產品的目標種類，包括：

從所述圖像中提取出所述目標農產品的目標圖像；

對所述目標圖像進行識別，確定出所述目標農產品的目標種類。

4.根據權利要求3所述的方法，其特征在于，所述通過所述第一卷積神經網絡，識別出所述目標農產品的所述品質狀態信息，包括：

將所述目標圖像輸入所述第一卷積神經網絡；

通過所述第一卷積神經網絡對所述目標圖像進行識別，確定出所述目標農產品的所述品質狀態信息。

5.根據權利要求1所述的方法，其特征在于，所述根據所述目標農產品的目標種類，確定出與所述目標種類相匹配的第一卷積神經網絡，包括：

根據所述目標農產品的目標種類，從預設的針對不同種類農產品的多個卷積神經網絡中，確定出與所述目標種類相匹配的第一卷積神經網絡。

6.根據權利要求1所述的方法，其特征在于，所述根據所述目標農產品的目標種類，確定出與所述目標種類相匹配的第一卷積神經網絡，包括：

所述根據所述目標農產品的目標種類，確定出與所述目標種類相匹配的多個第一卷積神經網絡，所述多個第一卷積神經網絡分別為識別不同所述品質狀態信息的第一卷積神經網絡。

7.根據權利要求1或6所述的方法，其特征在于，在所述識別出所述目標農產品的所述品質狀態信息之后，所述方法還包括：

根據所述品質狀態信息，獲取與所述品質狀態信息相匹配的關聯信息，所述關聯信息至少包括以下信息中的一種或多種：食用建議、存儲方法、品種信息。

8.一種農產品品質狀態識別裝置，其特征在于，包括：

獲取模塊，用于獲取目標農產品的圖像；

第一識別模塊，用于對所述圖像進行識別，確定所述目標農產品的目標種類；

匹配模塊，用于根據所述目標農產品的目標種類，確定出與所述目標種類相匹配的第一卷積神經網絡，所述第一卷積神經網絡為經過深度學習的方法訓練得到的，用于識別所述目標種類的農產品的品質狀態信息的卷積神經網絡，所述品質狀態信息至少包括以下信息中的一種或多種：農產品成熟度、農產品病蟲害、農產品品種；

第二識別模塊，用于通過所述第一卷積神經網絡，識別出所述目標農產品的所述品質狀態信息。

9.根據權利要求8所述的裝置，其特征在于，所述第一識別模塊，具體用于：

將所述圖像輸入第二卷積神經網絡，所述第二卷積神經網絡為經過深度學習的方法訓練得到的，用于識別農產品種類的卷積神經網絡；

通過所述第二卷積神經網絡，確定所述目標農產品的目標種類。

10.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

關聯模塊，用于根據所述品質狀態信息，獲取與所述品質狀態信息相匹配的關聯信息，所述關聯信息至少包括以下信息中的一種或多種：食用建議、存儲方法、品種信息。