[发明专利]一种基于深度学习的预包装品质识别系统

说明书

本发明提供一种基于深度学习的预包装品质识别系统，至少包括：采集预包装图像的图像采集单元、将所述图像采集单元采集的图像进行预处理的预处理单元、学习所述预处理单元处理后的图像的数据学习单元、储存所述数据学习单元学习后模型的储存单元、将所述数据学习单元学习后建立识别模型的识别单元以及显示所述识别单元识别后数据的显示单元。本发明通过学习模型实现识别的准确性和准确性，通过采集图像识别出包装的优劣，节省了人力劳动降低了检测的成本。

技术领域

本发明涉及品质识别的技术领域，具体而言，尤其涉及一种基于深度学习的预包装品质识别系统。

背景技术

现阶段已有的技术中经常是采用人工的方法检查包装的品质但是人员经常因为种种原因导致识别的成品按照人员的判断进行判定，导致包装的品质优劣标准不同。同时人工检测常常会出现检测不及时或者需要人员众多的问题，因此不仅仅提高了整个生产的成本同时降低了识别的标准。

发明内容

根据上述提出的技术问题，而提供一种基于深度学习的预包装品质识别系统。本发明主要利用一种基于深度学习的预包装品质识别系统，其特征在于，至少包括：

采集预包装图像的图像采集单元、将所述图像采集单元采集的图像进行预处理的预处理单元、学习所述预处理单元处理后的图像的数据学习单元、储存所述数据学习单元学习后模型的储存单元、将所述数据学习单元学习后建立识别模型的识别单元以及显示所述识别单元识别后数据的显示单元；

所述图像采集单元通过手机/摄像机采集预包装图像，通过预处理单元将所述采集的预包装图像进行预处理；将所述采集的预包装图像裁剪成40*40像素；所述数据学习单元通过学习所述预处理单元预处理后的图像传至所述储存单元储存；

使用时，使用者采集预包装图像，所述预处理单元预处理图像后，识别单元调用储存单元中储存后的模型进行识别，并将识别结果显示在显示单元。

进一步的，所述预处理单元将所述图像进行灰度化处理；所述灰度化处理根据YUV的颜色空间，建立亮度Y与R、G、B三个颜色分量的对应：

Y＝0.3R+0.59G+0.11B；

其中，Y表示点的亮度反映亮度等级，R表示红色，G表示绿色B表示蓝色。

进一步的，所述数据学习单元包含低分类器及高分类器；

所述低分类器采用贝叶斯理论；所述贝叶斯理论为：

其中，y表示类变量，X表示依赖特征向量；X＝(x₁，x₂，x₃，...，x_n)；

其中，x_i表示第i个X的依赖特征向量，P(y)表示类概率，P(x_i|y)表示条件概率；

所述高分类器分类为：

其中，表示训练样本的权值，z_j表示正规因子。

进一步的，所述显示单元采用LED/LCD显示屏。

较现有技术相比，本发明具有以下优点：

本发明通过学习模型实现识别的准确性和准确性，通过采集图像识别出包装的优劣，节省了人力劳动降低了检测的成本。

附图说明