[發(fā)明專利]一種基于多光譜圖像和深度學(xué)習(xí)的榨菜老筋自動識別方法

在審

• 申請?zhí)枺?/td>: 202210150605.3
• 申請日: 2022-02-18
• 公開（公告）號: CN114677671A
• 公開（公告）日: 2022-06-28
• 發(fā)明（設(shè)計）人: 石鐵柱;鄧東平;劉會增;楊超
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/26;G06V10/44;G06V10/50;G06V10/764;G06V10/77;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 陳專

本發(fā)明公開了一種基于多光譜圖像和深度學(xué)習(xí)的榨菜老筋自動識別方法，所述方法包括：基于多光譜圖像數(shù)據(jù)篩選特征波段，根據(jù)特征波段選取馬賽克式多光譜高速相機(jī)，通過馬賽克式多光譜高速相機(jī)拍攝榨菜切片，獲取榨菜切片的多光譜影像數(shù)據(jù)；將所述多光譜影像數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)，所述預(yù)處理包括樣本標(biāo)注、主成分分析和數(shù)據(jù)增廣處理；構(gòu)建語義分割模型，將所述訓(xùn)練數(shù)據(jù)輸入到所述語義分割模型進(jìn)行訓(xùn)練，并調(diào)節(jié)所述語義分割模型的分割參數(shù)；基于已訓(xùn)練的所述語義分割模型對榨菜切片的榨菜老筋區(qū)域進(jìn)行分割，識別榨菜老筋。本發(fā)明通過語義分割模型對榨菜切片的榨菜老筋區(qū)域進(jìn)行分割識別，有效識別榨菜的老筋，提高了榨菜老筋的識別效率和精度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種基于多光譜圖像和深度學(xué)習(xí)的榨菜老筋自動識別方法、系統(tǒng)、終端及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

近年來，工業(yè)生產(chǎn)規(guī)模不斷擴(kuò)大，對生產(chǎn)制造過程的自動化、智能化需求愈發(fā)迫切，智能制造技術(shù)也得到迅猛發(fā)展。其中產(chǎn)品的識別檢測是實(shí)現(xiàn)自動化、智能化生產(chǎn)的核心環(huán)節(jié)之一。目前，復(fù)雜產(chǎn)品的生產(chǎn)制造仍存在大量依賴人工的場景，產(chǎn)品質(zhì)量也受到人工經(jīng)驗(yàn)、熟練度的影響而存在不穩(wěn)定，尤其是復(fù)雜產(chǎn)品生產(chǎn)過程中的識別、檢測、標(biāo)定等工藝環(huán)節(jié)影響更加突出，急需快速、準(zhǔn)確的智能識別檢測技術(shù)。

在物體識別的技術(shù)領(lǐng)域，圖像處理是一種常用的識別檢測手段，能夠在不破壞目標(biāo)物表面及化學(xué)結(jié)構(gòu)的環(huán)境下，實(shí)現(xiàn)對目標(biāo)信息的提取，其檢測受外界條件影響小，操作簡易、穩(wěn)定性強(qiáng)，在工業(yè)自動化領(lǐng)域已有廣泛的應(yīng)用。當(dāng)前，傳統(tǒng)圖像處理技術(shù)的應(yīng)用主要集中在目標(biāo)物單一、特征顯著、背景固定的檢測領(lǐng)域，如印刷電路板線路檢測、3D視覺碼垛系統(tǒng)、餅干缺陷檢測、鐵路導(dǎo)軌缺陷檢測等。復(fù)雜物體的形狀、顏色、紋理特征的一致性較低，使用OUT圖像閾值處理、灰度檢測、邊緣輪廓檢測、圖像增強(qiáng)等常規(guī)技術(shù)均不能將復(fù)雜物體的特征顯著化；使用機(jī)器學(xué)習(xí)結(jié)合人工標(biāo)注的方法，采用CNN、YOLOv3等框架進(jìn)行訓(xùn)練，目標(biāo)物識別準(zhǔn)確率也難以達(dá)到工業(yè)生產(chǎn)的要求。

同時，復(fù)雜物體的表面顏色特征不明顯，但其生物物理特性的規(guī)律顯著，光譜圖像技術(shù)是一種典型的生物物理特性識別方式，在食品加工領(lǐng)域已有廣泛的應(yīng)用，如冷凍牛肉保鮮識別、蘋果外部品質(zhì)檢測、咖啡豆中咖啡因含量檢測等。

目前，在食品加工業(yè)存在大量的復(fù)雜物體識別需求，尤其是具有我國傳統(tǒng)工藝特色的產(chǎn)品。例如，腌漬榨菜的規(guī)模化生產(chǎn)過程中，需要進(jìn)行將嚴(yán)重影響口感的皮質(zhì)纖維去除，以提升產(chǎn)品品質(zhì)，但是，榨菜成熟度、破損度、產(chǎn)地不同，其表面輪廓復(fù)雜，顏色，紋理差異小，區(qū)分皮纖維與肉質(zhì)區(qū)域常依賴人工，導(dǎo)致去皮纖維工藝環(huán)節(jié)未能實(shí)現(xiàn)自動化，進(jìn)而導(dǎo)致產(chǎn)品生產(chǎn)全流程的自動化難以實(shí)現(xiàn)。

以腌漬榨菜等復(fù)雜物體為例，研究榨菜生長條件及深加工工藝發(fā)現(xiàn)，榨菜皮纖維是保護(hù)個體生長而形成密度大、硬度大的表皮，其吸收水分較少；腌制時，皮纖維與肉質(zhì)區(qū)域?qū)}的吸收量存在明顯差異。以上差異均為物體生物物理特性的差異，是目標(biāo)物固有的特性，與顏色、紋理、光照等外界環(huán)境無關(guān)，因此可作為目標(biāo)物精準(zhǔn)識別的一種判斷依據(jù)。

傳統(tǒng)視覺僅利用紅、綠、藍(lán)三波段的信息，在工業(yè)應(yīng)用領(lǐng)域已取得很多應(yīng)用。多光譜圖像技術(shù)可分析數(shù)百個波段的信息，更多的生物物理特性如大小、形狀、密度、介電常數(shù)、表面粗糙度、光學(xué)性質(zhì)、溫度等特性可以被利用。信息量的增多使得多光譜圖像數(shù)據(jù)由傳統(tǒng)圖像的幾百KB倍增到幾十MB，對圖像數(shù)據(jù)的獲取、傳輸、存儲、處理要求更高。近年來，鍍膜技術(shù)、光刻技術(shù)的進(jìn)步加快了多光譜相機(jī)工業(yè)化的步伐，計算機(jī)硬件處理能力不斷攀升促使多光譜圖像傳輸耗時由秒級降至毫秒級，神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)類算法能充分發(fā)掘光譜數(shù)據(jù)的潛在聯(lián)系。因此，多光譜識別技術(shù)在傳統(tǒng)圖像尚未突破的領(lǐng)域，尤其是復(fù)雜物體的識別領(lǐng)域有廣闊的市場前景。