[發明專利]一種基于深度學習的明蝦新鮮度無損檢測方法

有效

• 申請號: 202010983635.3
• 申請日: 2020-09-18
• 公開（公告）號: CN112070761B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 翁祖銓;張越涵;羅衡
• 申請（專利權）人: 福州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于深度學習的明蝦新鮮度無損檢測方法，其特征在于，通過深度學習模型提取大量不同新鮮度明蝦圖片的特征結構，在不斷地迭代訓練模型之后，通過待測明蝦圖片來對明蝦的新鮮度進行預測；該方法具體實現步驟如下：

步驟S1、對不同新鮮度的明蝦樣本，進行外觀圖片采集之后，按照理化指標標準對明蝦進行揮發性鹽基氮標準值測定；

步驟S2、步驟S1收集到的圖片信息進行預處理：根據理化指標標準，對圖片進行揮發性鹽基氮標準值標注，包括對具體揮發性鹽基氮標準值的預測值的標注和明蝦是否屬于新鮮樣品的標注，從而得到帶有新鮮度標簽的明蝦圖片數據集，將圖像數據集按照8:1:1的比例劃分為訓練集、驗證集、測試集；

步驟S3、利用卷積層，批量標準化，最大池化層，平均池化層，全局平均池化，歸一化，激活函數ReLu ，決策函數SoftMax來搭建卷積神經網絡；

步驟S4、將步驟S2中處理好的圖片集對應標簽傳輸到步驟S3搭建的卷積神經網絡中，通過不斷地迭代訓練，訓練時通過有監督的方式進行訓練，通過反向傳播不斷更新權重，在模型訓練過程中使用交叉驗證方法來保證模型具有普適性，從而得到有效提取特征并進行分類或者預測的卷積神經網絡模型；

步驟S5、使用步驟S4中訓練好的卷積神經網絡模型，輸入待測明蝦圖片，卷積神經網絡模型提取特征之后，通過決策函數輸出模型對明蝦新鮮度及其類別進行預測；其中，包括進行明蝦新鮮與否的預測，以及進行揮發性鹽基氮標準值的指標預測。