[發(fā)明專利]基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)方法及應(yīng)用

在審

• 申請(qǐng)?zhí)枺?/td>: 202010915167.6
• 申請(qǐng)日: 2020-09-03
• 公開（公告）號(hào): CN112184627A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 陳建國;蔣晨曦;鄭偉立
• 申請(qǐng)（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06N3/04;G06N3/08
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

本發(fā)明公開了一種基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)方法及應(yīng)用，該方法步驟包括：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，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；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(zhuǎn)為HSI顏色模型，將HSI顏色模型進(jìn)行通道分離，提取H分量灰度圖，統(tǒng)計(jì)H分量灰度圖中各個(gè)色度的像素點(diǎn)個(gè)數(shù)，計(jì)算色度頻度序列；構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；構(gòu)建單一化訓(xùn)練樣本，將單一化訓(xùn)練樣本的色度頻度序列輸入神經(jīng)網(wǎng)絡(luò)模型中，訓(xùn)練出各組別的神經(jīng)網(wǎng)絡(luò)圖像和品質(zhì)的映射模型，得到單一化訓(xùn)練樣本的保鮮柑橘品質(zhì)結(jié)果。本發(fā)明能夠提高柑橘品質(zhì)的檢測(cè)準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)業(yè)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)方法及應(yīng)用。

背景技術(shù)

柑橘采后的處理及保鮮方面卻依然存在很多問題，特別是柑橘保鮮品質(zhì)檢測(cè)方面的問題，目前柑橘保鮮品質(zhì)檢測(cè)大多數(shù)仍停留在人工識(shí)別，抽樣破損測(cè)量的階段。

現(xiàn)有的自動(dòng)檢測(cè)方案是通過對(duì)柑桔果實(shí)的可見光彩色圖像的顏色信息和其固酸比之間關(guān)系的研究，建立兩者之間的關(guān)系模型，利用柑桔果實(shí)的可見光彩色圖像對(duì)其成熟度進(jìn)行無損檢測(cè)，最終將建立的柑桔成熟度無損檢測(cè)方法應(yīng)用到柑桔合適采收期的確定和依據(jù)成熟度對(duì)柑桔果實(shí)進(jìn)行自動(dòng)化分級(jí)中，上述技術(shù)的缺點(diǎn)是準(zhǔn)確率不夠高。由于影響柑橘品質(zhì)的因素不止有柑橘的表皮顏色，成熟階段、保鮮環(huán)境、保鮮時(shí)長(zhǎng)都是影響柑橘的品質(zhì)的因素。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)存在的缺陷與不足，本發(fā)明提供一種基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)方法，在原有的技術(shù)基礎(chǔ)上根據(jù)影響保鮮柑橘品質(zhì)的影響因素，使用單一化訓(xùn)練保鮮柑橘品質(zhì)檢測(cè)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，提高柑橘品質(zhì)檢測(cè)系統(tǒng)的檢測(cè)準(zhǔn)確率，從而提高檢測(cè)保鮮柑橘品質(zhì)。

本發(fā)明的第二目的在于提供一種基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)系統(tǒng)；

本發(fā)明的第三目的在于提供一種存儲(chǔ)介質(zhì)。

本發(fā)明的第四目的在于提供一種計(jì)算設(shè)備。

為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于圖像處理與神經(jīng)網(wǎng)絡(luò)的柑橘保鮮品質(zhì)檢測(cè)方法，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(jìn)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(zhuǎn)為HSI顏色模型，將HSI顏色模型進(jìn)行通道分離，提取H分量灰度圖，統(tǒng)計(jì)H分量灰度圖中各個(gè)色度的像素點(diǎn)個(gè)數(shù)，計(jì)算色度頻度序列；

構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，根據(jù)色度頻度序列確定輸入神經(jīng)元數(shù)目，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；

構(gòu)建單一化訓(xùn)練樣本，將單一化訓(xùn)練樣本的色度頻度序列輸入到神經(jīng)網(wǎng)絡(luò)模型中，訓(xùn)練出各組別的神經(jīng)網(wǎng)絡(luò)圖像和品質(zhì)的映射模型，得到單一化訓(xùn)練樣本的保鮮柑橘品質(zhì)結(jié)果。

作為優(yōu)選的技術(shù)方案，所述柑橘圖片進(jìn)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。

作為優(yōu)選的技術(shù)方案，所述計(jì)算色度頻度序列的具體計(jì)算公式為：

其中，F(xiàn)_i表示第i個(gè)色度的頻度，C_i表示第i個(gè)色度的像素?cái)?shù)目，Cn表示色度頻度序列中的第n個(gè)。

作為優(yōu)選的技術(shù)方案，所述構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，所述神經(jīng)網(wǎng)絡(luò)采用三層前傳神經(jīng)網(wǎng)絡(luò)，神經(jīng)元結(jié)構(gòu)的輸入函數(shù)為加權(quán)和，激活函數(shù)為Relu，輸出函數(shù)為線性函數(shù)。

作為優(yōu)選的技術(shù)方案，所述構(gòu)建單一化訓(xùn)練樣本，具體步驟包括：