[发明专利]基于LBP特征与深度学习的金针菇菇头分选识别方法

说明书

本发明提供一种基于LBP特征与深度学习的金针菇菇头分选识别方法，包括：1、收集金针菇头部图片，并将所有的金针菇头部图片分为训练集和测试集；2、将训练集的金针菇头部图片进行变化，将变化前的金针菇头部图片和变化后的的金针菇头部图片作为训练数据保存于训练集中；3、提取训练数据的LBP特征a；4、利用卷积神经网络提取训练数据中的深度特征b；5、将降维后的LBP特征a和深度特征b进行融合，得到融合特征c；6、将融合特征c输入到分类器中进行分类得到训练好的模型；7、将测试集中的金针菇头部图片输入到训练好的模型得出预测值，并将预测值与真实值进行比较算出准确率。本发明提高了金针菇头部分类的准确率和效率。

技术领域

本发明涉及计算机视觉和图像处理领域，特别涉及一种基于LBP特征与深度学习的金针菇菇头分选识别方法。

背景技术

计算机视觉就是只用机器代替人眼去做一些识别，而图像处理就是把坏的图像处理成好的图像的一个过程。只有把通过图像处理好的图片放入模型中，才能得到比较准确的结果。

传统的图像分类一般都是先根据图像的特点进行手工提取特征(如人脸识别可提取HOG，SIFT特征等)，然后利用SVM分类器进行分类，最后得出结果。近年来，随着深度学习的研究不断深入，可以说深度学习模型是图像分类问题的一个强有力的工具。应用深度学习技术在解决图像分类问题上成了国内外研究的热点之一。

金针菇学名毛柄金钱菌，金针菇既是一种美味食品，又是较好的保健食品，金针菇的国内外市场日益广阔。优质的金针菇可以卖到更好的价钱，而普通的金针菇却不能。目前来说，金针菇的分类主要依据人工分类，人工分类效率低，且分类的过程易受到人的主观情感影响，容易分错，准确率低。

发明内容

本发明要解决的技术问题，在于提供一种基于LBP特征与深度学习的金针菇菇头分选识别方法，提高了金针菇头部分类的准确率和效率。

本发明是这样实现的：一种基于LBP特征与深度学习的金针菇菇头分选识别方法，包括如下步骤：

步骤1、收集金针菇头部图片，并将所有的金针菇头部图片分为训练集和测试集；

步骤2、将所述训练集的金针菇头部图片进行变化，将变化前的金针菇头部图片和变化后的的金针菇头部图片作为训练数据保存于训练集中；

步骤3、提取所述训练数据的LBP特征a，并对LBP特征a进行降维处理；

步骤4、利用卷积神经网络提取所述训练数据中的深度特征b；

步骤5、将降维后的所述LBP特征a和深度特征b进行融合，得到融合特征c；

步骤6、将所述训练数据的所述融合特征c输入到分类器中进行分类得到训练好的模型，并得到最终的分类结果；

步骤7、将所述测试集中的金针菇头部图片输入到训练好的模型得出预测值，并将预测值与真实值进行比较算出模型的准确率。

进一步地，所述步骤1具体包括以下步骤：

步骤11、在金针菇厂搭建机器视觉系统，选用型号为FL3-GE-03S1M-C的灰点彩色相机进行拍摄，相机的像素大小为1024×1280；

步骤12、在进行拍摄的时候，由专业技术人员对金针菇头部的类别进行判定，然后通过该机器视觉系统对金针菇头部进行拍摄，再将拍摄好的金针菇头部图片交由专业技术人员进行核实后，根据金针菇头部的类别将金针菇头部图片存储于对应种类的数据库中；

步骤13、将拍摄好的金针菇头部图片进行收集和标记，将收集到的金针菇头部图片的80％作为训练集，20％作为测试集。

进一步地，所述步骤2具体为：

通过图片旋转、图片平移和图片加噪声的方式，对金针菇头部图片进行扩充，三种方式的计算公式如下：