[發明專利]一種紅棗外觀品質分類方法、裝置、設備及存儲介質

在審

• 申請號: 201910582692.8
• 申請日: 2019-07-01
• 公開（公告）號: CN110309879A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 耿磊;馬鳴帥;肖志濤;張芳;吳駿;劉彥北;王雯
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種紅棗外觀品質分類方法，其特征在于，包括：

采集紅棗原始圖像；

對所述紅棗原始圖像進行預處理，提取所述紅棗原始圖像的感興趣區域，并對所述感興趣區域進行歸一化尺寸操作，得到相同尺寸大小的紅棗圖像的感興趣區域圖像；

利用優化的卷積神經網絡對所述紅棗圖像的感興趣區域圖像進行訓練，得到訓練好的紅棗外觀品質分類模型；

用所述紅棗外觀品質分類模型對紅棗圖像進行測試，得到紅棗外觀品質的分類結果；

其中，所述優化的卷積神經網絡為在34層殘差網絡結構的基礎上，通過通道加權，網絡增強包含有用信息的特征；并通過學習全局信息來抑制無用的特征，多通道信息聚合模塊嵌入在網絡中每個模塊的末尾，以聚合各種不同感受野中的特征。

2.根據權利要求1所述的方法，其特征在于，對所述紅棗原始圖像進行預處理，提取所述紅棗原始圖像的感興趣區域，包括：

對所述紅棗原始圖像進行二值化操作；然后用所述紅棗原始圖像中的紅棗邊界的上邊界、左邊界和下邊界構成最小外接正方形區域，提取紅棗圖像的感興趣區域。

3.根據權利要求1所述的方法，其特征在于，所述優化的卷積神經網絡為在34層殘差網絡結構的基礎上，通過通道加權，網絡增強包含有用信息的特征，包括：

所述通道加權使用全局平均池化對卷積層輸出的每個通道的通道特征進行壓縮，使其成為一個實數數列，該實數數列中的每個實數具有描述對應通道特征的特點；通過門限機制中的全連接層配合激活函數的使用，對之前得到的實數數列進行維度壓縮和維度還原，使其在較低的層上可以學習去激勵可信息化的特征，在較高的層上，對不同的輸入有高度的具體類別響應；將經過門限機制的輸出權重看作是經過特征選擇后的每個特征通道的重要性，然后通過乘法逐通道加權到先前的特征上，完成在通道維度上的對原始特征的重標定。

4.根據權利要求1所述的方法，其特征在于，多通道信息聚合模塊嵌入在網絡中每個模塊的末尾，以聚合各種不同感受野中的特征，包括：

所述多通道信息聚合模塊利用了特征信息累加的方法，對一個模塊中不同通道的多個維度信息進行聚合，通過形成一個稀疏網絡結構，既能夠產生稠密的數據，又能增加神經網絡表現。

5.一種紅棗外觀品質分類裝置，其特征在于，包括：

原始圖像采集模塊，用于采集紅棗原始圖像；

感興趣區域圖像提取模塊，用于對所述紅棗原始圖像進行預處理，提取所述紅棗原始圖像的感興趣區域，并對所述感興趣區域進行歸一化尺寸操作，得到相同尺寸大小的紅棗圖像的感興趣區域圖像；

模型訓練模塊，利用優化的卷積神經網絡對所述紅棗圖像的感興趣區域圖像進行訓練，得到訓練好的紅棗外觀品質分類模型；

圖像測試模塊，用所述紅棗外觀品質分類模型對紅棗圖像進行測試，得到紅棗外觀品質的分類結果；

其中，所述優化的卷積神經網絡為在34層殘差網絡結構的基礎上，通過通道加權，網絡增強包含有用信息的特征；并通過學習全局信息來抑制無用的特征，多通道信息聚合模塊嵌入在網絡中每個模塊的末尾，以聚合各種不同感受野中的特征。

6.根據權利要求5所述的裝置，其特征在于，所述感興趣區域圖像提取模塊的對所述紅棗原始圖像進行預處理，提取所述紅棗原始圖像的感興趣區域，具體用于：

對所述紅棗原始圖像進行二值化操作；然后用所述紅棗原始圖像中的紅棗邊界的上邊界、左邊界和下邊界構成最小外接正方形區域，提取紅棗圖像的感興趣區域。