[發明專利]一種基于深度學習的水果識別方法

在審

• 申請號: 202010181484.X
• 申請日: 2020-03-16
• 公開（公告）號: CN111401442A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 呂本學;趙軍;田春陽;孫克思
• 申請（專利權）人: 中科立業（北京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

本發明公開了一種基于深度學習的水果識別方法，包括提取特征、訓練深度學習模型、利用所述深度學習模型分類包含水果的RGB圖像步驟。本發明能夠快速的完成對商品識別網絡的模型訓練，準確識別出相應商品；相比傳統的深度學習模型，不僅能得到更高的圖像識別準確性，還能提高模型的訓練速度。

技術領域

本發明涉及一種水果識別方法，尤其涉及一種基于深度學習的水果識別方法，屬于人工智能技術領域。

背景技術

現有的水果識別方法通過果實和葉子對電磁光譜反射率檢測。電磁光譜反射率檢測通過收集照射在植物上的反射光譜的綜合參數指標進行辨別，不同的反射光譜關聯著植物的葉綠素，胡蘿卜素，營養元素，葉綠素熒光從而辨別出不同水果，訓練速度較慢。

發明內容

本發明要解決的技術問題是提供一種基于深度學習的水果識別方法。

為解決上述技術問題，本發明采用的技術方案是：

一種基于深度學習的水果識別方法，包括以下步驟：

步驟1：讀取訓練圖像：深度學習模型包括輸入層，所述輸入層讀入包含水果的RGB圖像；

步驟2：訓練深度學習模型：所述深度學習模型還包括1個以上結構相同的的訓練識別單元、特征整合器、全連接層和輸出層；所述訓練識別單元輸入層、1層以上的并行卷積層和1層以上的并行池化層組成；所述卷積層和池化層的層數相同；輸入層的輸出同時輸入至各訓練識別單元；各訓練識別單元分別將輸入層讀取的圖像依次并行經卷積層及其對應的和并行池化層處理后輸出至特征整合器；特征整合器將各訓練識別單元輸入的數據綜合處理后經全連接層輸出至輸出層。

步驟3：識別水果：利用所述深度學習模型分類包含水果的RGB圖像。

進一步，訓練深度學習模型的特征包括顏色矩、顏色統計直方圖和方向梯度直方圖。

進一步，所述訓練識別單元由16層的并行卷積層和16層的并行池化層組成；

進一步，采用SVM支持向量機算法訓練深度學習模型。

更進一步，顏色矩F_COLOR為：

F_COLOR＝[μ_R,σ_R,S_R,μ_G,σ_G,S_G,μ_B,σ_B,S_B] (1)

(2)-(4)式中，P_i,j表示彩色圖像第j個像素的第i顏色分量，N表示圖像中的像素個數。

更進一步，方向梯度直方圖計算包括圖像灰度化、圖像Gamma校正、梯度計算和梯度直方圖統計步驟。

再進一步，圖像Gamma校正采用平方根法。

采用上述技術方案所取得的技術效果在于：

本發明能夠快速的完成對商品識別網絡的模型訓練，準確識別出相應商品；相比傳統的深度學習模型，不僅能得到更高的圖像識別準確性，還能提高模型的訓練速度。

附圖說明

下面結合附圖和具體實施方式對本發明作進一步詳細的說明。

圖1是本發明的流程圖；

圖2是本發明的深度學習模型結構圖。

具體實施方式