[发明专利]一种果蔬识别方法及系统

权利要求书

1.一种果蔬识别方法，其特征在于：包括以下步骤：

获取水果蔬菜图像；

采用神经网络训练出水果蔬菜识别模型；

将水果蔬菜图像输入水果蔬菜识别模型中，得到水果蔬菜识别结果。

2.根据权利要求1所述的一种果蔬识别方法，其特征在于：所述神经网络采用tensorflow框架搭建，所述神经网络包括第一卷积层、17个线性瓶颈层、第二卷积层、池化层和第三卷积层，所述第一卷积层依次通过17个线性瓶颈层、第二卷积层和池化层进而与第三卷积层连接。

3.根据权利要求1所述的一种果蔬识别方法，其特征在于：在所述获取水果蔬菜图像步骤与采用神经网络训练出水果蔬菜识别模型步骤之间，还包括以下步骤：

对水果蔬菜图像进行预处理，所述预处理包括将水果蔬菜图像转换为tfrecord格式。

4.根据权利要求2所述的一种果蔬识别方法，其特征在于：所述采用神经网络训练出水果蔬菜识别模型这一步骤，具体包括：

设置神经网络的超参数，所述神经网络的超参数包括学习率、批大小、最大迭代步数以及优化器类型；

将给定的样本划分为训练集和测试集；

根据神经网络的超参数、训练集和测试集采用神经网络进行模型训练，得到果蔬菜识别模型。

5.根据权利要求4所述的一种果蔬识别方法，其特征在于：所述神经网络在进行模型训练采用联合损失函数，所述联合损失函数由center loss损失函数和focal loss损失函数加权得到。

6.根据权利要求4所述的一种果蔬识别方法，其特征在于：所述采用神经网络训练出水果蔬菜识别模型这一步骤，还具体包括以下步骤：

将果蔬菜识别模型进行固化，得到用于水果蔬菜识别分类的pb格式文件。

7.根据权利要求1所述的一种果蔬识别方法，其特征在于：还包括以下步骤：

将水果蔬菜识别模型移植到智能移动终端系统中。

8.一种果蔬识别系统，其特征在于：包括：

图像获取模块，用于获取水果蔬菜图像；

训练模块，用于采用神经网络训练出水果蔬菜识别模型；

识别模块，用于将水果蔬菜图像输入水果蔬菜识别模型中，得到水果蔬菜识别结果。

9.根据权利要求8所述的一种果蔬识别系统，其特征在于：所述神经网络采用tensorflow框架搭建，所述神经网络包括第一卷积层、17个线性瓶颈层、第二卷积层、池化层和第三卷积层，所述第一卷积层依次通过17个线性瓶颈层、第二卷积层和池化层进而与第三卷积层连接。

10.一种果蔬识别系统，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7任一项所述的一种果蔬识别方法。