[發明專利]基于機器學習的小龍蝦分級方法

在審

• 申請號: 202010439424.3
• 申請日: 2020-05-22
• 公開（公告）號: CN111666986A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 杜闖;李曄;高竟博;尹海濤
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

本發明揭示了一種基于機器學習的小龍蝦分級方法，包括如下步驟：S1、從龍蝦原始數據集中提取部分樣本構建得到干凈圖像數據集，并將其隨機劃分為訓練集、驗證集以及測試集；S2、構建初步數據集處理模型并完成特征遷移，隨后利用訓練集、驗證集對模型進行反復訓練、驗證，得到預訓練數據集處理模型，利用測試集對模型進行測試，得到完善的數據集處理模型；S3、使用數據集處理模型對龍蝦原始數據集內的樣本進行逐條處理，得到分級結果。本發明將機器視覺與深度學習技術相融合，實現了對于小龍蝦大小的自動化分級，不僅顯著地提升了操作過程中的識別率與準確率，而且有效地彌補了現有方法在后續圖像理解及分級性能等方面的缺陷。

技術領域

本發明為一種產品的分級算法，具體涉及一種基于機器學習技術的小龍蝦分級算法設計，屬于人工智能和機器學習技術領域。

背景技術

隨著近年來人工智能領域的飛速發展，模式識別、機器學習、深度學習等相關技術也日益成熟，并且開始被廣泛地應用于人們生產生活各個領域、開始逐步影響和改變人類的生產生活方式。

以餐飲行業為例，目前全國的餐飲市場總量約為3萬億元，與小龍蝦相關的餐飲項目占據了其中7%～8%的份額、而且呈現出逐年增長的發展態勢。由于小龍蝦的大小、品質直接決定著小龍蝦的價格，因此在小龍蝦從養殖廠到餐桌的過程中，對于小龍蝦的分級必不可少。在現有的操作中，對小龍蝦的分級大多采用人工操作的方式進行，在分級的同時，死蝦和空殼蝦也會被單獨分揀出來。顯而易見的是，這樣的操作方式不僅工作量巨大而且操作效率低下，一旦出現小龍蝦數目龐大的情況，還很容易因為人工操作的不確定性而出現較大的操作誤差。

針對上述問題，目前也出現了一些工業化的小龍蝦自動檢測流水線，這種流水線主要利用機器視覺技術、通過擬合小龍蝦蝦體特征與重量關系以及對比蝦體位姿圖像來實現小龍蝦自動分級。具體而言，在這一技術方案中，針對圖像采集器傳回的圖像數據，后端服務器通過智能圖像處理提取出小龍蝦的標志性區域，并通過一系列的圖像預處理和模式識別技術對其進行計數，最后通過小龍蝦的標志性區域的大小將其進行分級。區別于人工操作的方式，這一技術手段能夠有效避免對人力、物力和財力的過度消耗。但是在實際的技術應用過程中，操作人員發現，此類技術存在一定的應用局限性，在后續圖像理解及分級性能等方面仍然有所欠缺。

綜上所述，如何設計一種全新的、具有優異分級性能且能夠克服現有技術中諸多不足的小龍蝦分級方法，也就成為了本領域內技術人員所期望解決的一項技術問題。

發明內容

鑒于現有技術存在上述缺陷，本發明的目的是提出一種基于機器學習技術的小龍蝦分級算法設計，具體如下。

一種基于機器學習的小龍蝦分級方法，包括如下步驟：

S1、數據集建立步驟，從包含有若干小龍蝦圖像樣本的龍蝦原始數據集中提取部分小龍蝦圖像樣本，構建得到干凈圖像數據集，并將所述干凈圖像數據集隨機劃分為訓練集、驗證集以及測試集；

S2、模型建立步驟，構建初步數據集處理模型，設置所述初步數據集處理模型的超參數并對所述初步數據集處理模型進行特征遷移，隨后利用所述訓練集、驗證集內的數據對所述初步數據集處理模型進行反復訓練、驗證，得到預訓練數據集處理模型，最后利用所述測試集內的數據對所述預訓練數據集處理模型進行測試，得到完善的數據集處理模型；

S3、模型使用步驟，使用所述數據集處理模型對所述龍蝦原始數據集內的小龍蝦圖像樣本進行逐條處理，最終得到小龍蝦分級結果。

優選地，S1所述數據集建立步驟具體包括：

S11、獲取若干小龍蝦圖像樣本，按“大”、“中”、“小”三個等級對每個所述小龍蝦圖像樣本進行人工標注等級，將全部樣本及其對應等級進行匯總得到龍蝦原始數據集，隨后從所述龍蝦原始數據集選取部分小龍蝦圖像樣本、保證每個等級的樣本數量相同，最終構建得到干凈圖像數據集；