[發明專利]基于Mask R-CNN的淀粉顆粒識別方法

在審

• 申請號: 202111027701.0
• 申請日: 2021-09-02
• 公開（公告）號: CN113887309A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 董仁濤;朱芷儀;劉宏生;牛雅惠;潘博;廖靜欣
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/11;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.基于Mask R-CNN的淀粉糊化智能檢測方法，其特征在于，包括如下步驟：

(1)淀粉糊化圖數據采集：配制淀粉懸浮液，分散均勻后，滴加至載玻片上，得到樣本片，將樣本片放置在帶有顯微鏡的熱臺設備上，開啟熱臺設備，升溫至糊化溫度，通過與顯微鏡相連的數碼相機進行拍照，獲取加熱過程中的淀粉糊化圖；

(2)淀粉糊化數據集構建：將步驟(1)所得的淀粉糊化圖轉化為淀粉糊化二值圖，分割淀粉糊化二值圖中的淀粉顆粒，將淀粉顆粒制作為淀粉顆粒掩膜圖；對淀粉顆粒掩膜圖進行信息提取，輸出淀粉糊化數據集JSON文件；

(3)Mask R-CNN模型構建與訓練：構建Mask R-CNN模型，利用神經網絡訓練算法對淀粉糊化數據集進行讀取，并將其輸入至Mask R-CNN模型中，基于誤差反向傳播方法對Mask R-CNN模型進行權重優化，完成Mask R-CNN模型的訓練；

(4)淀粉糊化過程顆粒檢測：利用淀粉糊化檢測算法，基于Mask R-CNN對糊化過程中淀粉糊化圖的淀粉顆粒進行檢測，輸出淀粉糊化檢測圖，并統計所有淀粉顆粒數量變化；

(5)淀粉糊化評估：統計淀粉糊化圖中的不同溫度i時的淀粉糊化圖中的顆粒數量A_i。

2.根據權利要求1所述的基于Mask R-CNN的淀粉顆粒識別方法，其特征在于，步驟(1)中，所述的淀粉為原淀粉、改性淀粉或淀粉混合物；所述的改性淀粉為預糊化淀粉、交聯淀粉或磷酸酯淀粉；所述的淀粉混合物是在天然淀粉或改性淀粉中添加氨基酸、尿素和氯化鈉等一種或多種獲得的混合物。

3.根據權利要求1所述的基于Mask R-CNN的淀粉顆粒識別方法，其特征在于，步驟(1)中，所述的淀粉糊化圖為淀粉在水分子作用下，隨著溫度變化而發生淀粉顆粒形態變化的顯微圖像；

步驟(1)中，所述的淀粉懸浮液中的淀粉質量含量為0.1-3％；

步驟(1)中，所述的得到樣本片是利用吸管吸取淀粉懸浮液，滴加至載玻片上，蓋上蓋玻片并用玻璃膠密封而得。

4.根據權利要求1所述的基于Mask R-CNN的淀粉顆粒識別方法，其特征在于，步驟(1)所述的升溫至糊化溫度是指從環境溫度開始升溫，對于馬鈴薯淀粉，從初始溫度20-30℃加熱溫度至80-90℃；步驟(1)所述的通過與顯微鏡相連的數碼相機進行拍照前，調整顯微鏡使淀粉顆粒清晰明亮；

步驟(1)中，所述熱臺設備的升溫速率不高于5℃/min；所述拍照的頻率為1次-4次/2℃；顯微鏡倍數為50×10倍或20×10倍。

5.根據權利要求1所述的基于Mask R-CNN的淀粉顆粒識別方法，其特征在于，步驟(2)中，所述的淀粉糊化圖轉化為淀粉糊化二值圖是利用淀粉圖像二值化算法進行；

所述的分割淀粉糊化二值圖中的淀粉顆粒是利用Photoshop進行分割。

6.根據權利要求5所述的基于Mask R-CNN的淀粉顆粒識別方法，其特征在于，所述的淀粉糊化二值圖中的淀粉顆粒為白色像素，背景為黑色像素；淀粉圖像二值化算法的操作步驟為：

S1打開淀粉糊化圖，利用基于Python的opencv模塊中Canny算法對淀粉顆粒圖像進行邊緣檢測，生成淀粉顆粒邊緣圖；

S2利用基于Python的opencv模塊中的數學形態學算法對淀粉顆粒邊緣圖進行優化，生成淀粉顆粒邊緣優化圖；

S3利用漫水填充算法對淀粉顆粒邊緣優化圖中的顆粒邊緣內的像素使用白色像素進行填充，生成淀粉糊化二值圖。