[发明专利]一种水果分拣方法、装置、系统、终端及存储介质

权利要求书

1.一种水果分拣方法，其特征在于，包括：

获取待分拣水果的图像；

将所述待分拣水果的图像输入水果分类模型，得到所述待分拣水果的目标分类标签，所述水果分类模型基于第一卷积神经网络训练生成；

将所述待分拣水果的图像输入与所述待分拣水果的目标分类标签对应的水果分级模型，得到所述待分拣水果的目标等级标签，所述水果分级模型基于第二卷积神经网络训练生成；

将所述待分拣水果的目标分类标签和目标等级标签发送给目标机器人，以使所述目标机器人根据所述待分拣水果的目标分类标签和目标等级标签对所述待分拣水果进行分拣。

2.根据权利要求1所述的方法，其特征在于，所述将所述待分拣水果的图像输入水果分类模型，得到所述待分拣水果的目标分类标签，包括：

将所述待分拣水果的图像输入水果分类模型，得到所述待分拣水果的预测分类标签和分类概率；

根据所述待分拣水果的分类概率，对所述待分拣水果的预测分类标签进行排序；

从排序结果中确定所述待分拣水果的目标分类标签。

3.根据权利要求1所述的方法，其特征在于，所述将所述待分拣水果的图像输入与所述待分拣水果的目标分类标签对应的水果分级模型，得到所述待分拣水果的目标等级标签，包括：

将所述待分拣水果的图像输入与所述待分拣水果的目标分类标签对应的水果分级模型，得到所述待分拣水果的预测等级标签和等级概率；

根据所述待分拣水果的等级概率，对所述待分拣水果的预测等级标签进行排序；

从排序结果中确定所述待分拣水果的目标等级标签。

4.根据权利要求1或2所述的方法，其特征在于，所述水果分类模型基于第一卷积神经网络训练生成，包括：

获取第一训练样本，所述第一训练样本包括第一水果的图像和第一水果的标准分类标签；

将各第一水果的图像输入第一卷积神经网络，得到各第一水果的目标分类标签；

根据各第一水果的标准分类标签和各第一水果的目标分类标签，确定所述第一卷积神经网络的损失函数；

根据所述第一卷积神经网络的损失函数调整所述第一卷积神经网络的网络参数，直至所述第一卷积神经网络的损失函数的输出值小于等于第一预设阈值，则将所述第一卷积神经网络作为所述水果分类模型。

5.根据权利要求4所述的方法，其特征在于，所述将各第一水果的图像输入第一卷积神经网络，得到各第一水果的目标分类标签，包括：

将各第一水果的图像输入第一卷积神经网络，得到各第一水果的预测分类标签和分类概率；

根据各第一水果的分类概率，对各第一水果的预测分类标签进行排序；

从排序结果中确定各第一水果的目标分类标签。

6.根据权利要求1或3所述的方法，其特征在于，所述水果分级模型基于第二卷积神经网络训练生成，包括：

获取第二训练样本，所述第二训练样本包括第二水果的图像和第二水果的标准等级标签，各第二水果的标准分类标签相同；

将各第二水果的图像输入第二卷积神经网络，得到各第二水果的目标等级标签；

根据各第二水果的标准等级标签和各第二水果的目标等级标签，确定所述第二卷积神经网络的损失函数；

根据所述第二卷积神经网络的损失函数调整所述第二卷积神经网络的网络参数，直至所述第二卷积神经网络的损失函数的输出值小于等于第二预设阈值，则将所述第二卷积神经网络作为所述水果分级模型。

7.根据权利要求6所述的方法，其特征在于，所述将各第二水果的图像输入第二卷积神经网络，得到各第二水果的目标等级标签，包括：

将各第二水果的图像输入第二卷积神经网络，得到各第二水果的预测等级标签和等级概率；

根据各第二水果的等级概率，对各第二水果的预测等级标签进行排序；

从排序结果中确定各第二水果的目标等级标签。