[發明專利]基于圖像處理與神經網絡的柑橘保鮮品質檢測方法及應用

在審

• 申請號: 202010915167.6
• 申請日: 2020-09-03
• 公開（公告）號: CN112184627A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳建國;蔣晨曦;鄭偉立
• 申請（專利權）人: 華南農業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，包括下述步驟：

圖像分割：采集保鮮后的柑橘圖片，再將柑橘圖片的顏色通道分離，提取B分量灰度圖，柑橘圖片進行圖像背景分割；

特征提取：將圖像背景分割完成后的柑橘圖片由RGB顏色模型轉為HSI顏色模型，將HSI顏色模型進行通道分離，提取H分量灰度圖，統計H分量灰度圖中各個色度的像素點個數，計算色度頻度序列；

構建神經網絡模型，根據色度頻度序列確定輸入神經元數目，訓練神經網絡模型；

構建單一化訓練樣本，將單一化訓練樣本的色度頻度序列輸入到神經網絡模型中，訓練出各組別的神經網絡圖像和品質的映射模型，得到單一化訓練樣本的保鮮柑橘品質結果。

2.根據權利要求1所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，所述柑橘圖片進行圖像背景分割，具體采用固定閾值分割方法，得到圖像背景分割完成后的柑橘圖片。

3.根據權利要求1所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，所述計算色度頻度序列的具體計算公式為：

其中，F_i表示第i個色度的頻度，C_i表示第i個色度的像素數目，C_n表示色度頻度序列中的第n個。

4.根據權利要求1所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，所述構建神經網絡模型，所述神經網絡采用三層前傳神經網絡，神經元結構的輸入函數為加權和，激活函數為Relu，輸出函數為線性函數。

5.根據權利要求1所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，所述構建單一化訓練樣本，具體步驟包括：

將保鮮柑橘按成熟階段、保鮮環境分組，分別為早期氣調保鮮柑橘組、早期低溫保鮮柑橘組、晚期氣調保鮮柑橘組、晚期低溫保鮮柑橘組，每一組均包括柑橘的色度頻度序列和口感參數。

6.根據權利要求1所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法，其特征在于，所述訓練神經網絡模型的具體步驟包括：

批量輸入神經網絡的學習樣本，所述學習樣本采用保鮮柑橘彩色圖像；

選取學習樣本，樣本輸入為色度頻度序列，輸出為柑橘品質數據；

計算神經網絡的實際輸出的品質數據，計算實際品質數據輸出與期望品質數據輸出的差值，采用有導師學習算法學習規則調整權重，直至誤差小于設定的范圍值。

7.一種基于圖像處理與神經網絡的柑橘保鮮品質檢測系統，其特征在于，包括：圖像采集模塊、圖像分割模塊、特征提取模塊、神經網絡模型構建模塊、單一化訓練樣本構建模塊、神經網絡模型訓練模塊和檢測結果輸出模塊；

所述圖像采集模塊用于采集保鮮后的柑橘圖片；

所述圖像分割模塊用于將柑橘圖片的顏色通道分離，提取B分量灰度圖，柑橘圖片進行圖像背景分割；

所述特征提取模塊用于將圖像背景分割完成后的柑橘圖片由RGB顏色模型轉為HSI顏色模型，將HSI顏色模型進行通道分離，提取H分量灰度圖，統計H分量灰度圖中各個色度的像素點個數，計算色度頻度序列；

所述神經網絡模型構建模塊用于構建神經網絡模型，根據色度頻度序列確定輸入神經元數目；

所述單一化訓練樣本構建模塊用于構建單一化訓練樣本；

所述神經網絡模型訓練模塊用于將單一化訓練樣本的色度頻度序列輸入到神經網絡模型中，訓練出各組別的神經網絡圖像和品質的映射模型；

所述檢測結果輸出模塊用于輸出單一化訓練樣本的保鮮柑橘品質結果。

8.一種存儲介質，存儲有程序，其特征在于，所述程序被處理器執行時實現如權利要求1-6任一項所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法。

9.一種計算設備，包括處理器和用于存儲處理器可執行程序的存儲器，其特征在于，所述處理器執行存儲器存儲的程序時，實現如權利要求1-6任一項所述的基于圖像處理與神經網絡的柑橘保鮮品質檢測方法。