[發明專利]識別谷物的方法和裝置

在審

• 申請號: 201910033093.0
• 申請日: 2019-01-14
• 公開（公告）號: CN111435444A
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 黃智剛;陳翀
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06N3/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡;肖璐

1.一種識別谷物的方法，包括：

獲取包含谷物的圖片；

分割所述圖片，得到多張子圖片；

使用卷積神經網絡模型處理所述多張子圖片，識別出每張子圖片中的谷物。

2.根據權利要求1所述的方法，其特征在于，使用卷積神經網絡模型處理所述多張子圖片，識別出每張子圖片中的谷物，包括：

獲取所述多張子圖片；

提取每張子圖片中包含的對象的圖像特征；

判斷每張子圖片中包含的對象的圖像特征是否符合谷物特征，如果符合，則確定所述對象為谷物。

3.根據權利要求1所述的方法，其特征在于，所述卷積神經網絡模型至少包括：輸入層、卷積層、池化層、全連接層和softmax層，其中，通過所述輸入層獲取所述多張子圖片。

4.根據權利要求2所述的方法，其特征在于，提取每張子圖片中包含的對象的圖像特征，包括：

通過卷積層中的每個卷積核掃描對應的子圖片，得到每個子圖片所包含的對象的特征圖層；

通過池化層對所述每個子圖片所包含的對象的特征圖層進行去冗余處理；

通過至少一個全連接層將所述去冗余處理后的多個特征圖層進行轉換，得到所述對象的圖像特征。

5.根據權利要求3所述的方法，其特征在于，通過所述softmax層判斷每張子圖片中包含的對象的圖像特征是否符合谷物特征，并輸出判斷結果。

6.根據權利要求1至5中任意一項所述的方法，其特征在于，在識別出每張子圖片中的谷物之后，所述方法還包括：

將識別出谷物的子圖片進行輪廓提取，并將沒有識別出所述谷物的區域設置為預定的背景，得到多張處理后的子圖片；

將所述多張處理后的子圖片進行拼合，得到還原后的谷物圖片。

7.根據權利要求6所述的方法，其特征在于，在將識別出谷物的子圖片進行輪廓提取，并將沒有識別出所述谷物的區域設置為預定的背景，得到多張處理后的子圖片之前，所述方法還包括：

判斷多個所述子圖片中是否存在所述谷物；

如果存在，對存在所述谷物的子圖片進行識別，并確定所述谷物在子圖片中的位置；

如果不存在，將不存在所述谷物的子圖片設置為預定的背景。

8.根據權利要求6所述的方法，其特征在于，在將所述多張處理后的子圖片進行拼合，得到還原后的谷物圖片之后，所述方法還包括：

輸出所述還原后的谷物圖片，并提取所述還原后的谷物圖片中的谷物輪廓；

基于所述還原后的谷物圖片中的谷物輪廓，確定所述谷物的品質參數。

9.一種識別谷物的裝置，包括：

獲取模塊，用于獲取包含谷物的圖片；

分割模塊，用于分割所述圖片，得到多張子圖片；

識別模塊，用于使用卷積神經網絡模型處理所述多張子圖片，識別出每張子圖片中的谷物。

10.根據權利要求9所述的裝置，其特征在于，所述識別模塊包括：

獲取子模塊，用于獲取所述多張子圖片；

提取模塊，用于提取每張子圖片中包含的對象的圖像特征；

判斷模塊，用于判斷每張子圖片中包含的對象的圖像特征是否符合谷物特征，如果符合，則確定所述對象為谷物。

11.根據權利要求10所述的裝置，其特征在于，所述卷積神經網絡模型至少包括：輸入層、卷積層、池化層、全連接層和softmax層，其中，通過所述輸入層獲取所述多張子圖片。