[发明专利]一种基于深度学习的咖啡果实成熟度的识别方法

说明书

本发明公开了一种基于深度学习的咖啡果实成熟度的识别方法，属于智能农业领域，所述的机遇深度学习的咖啡果实成熟度的识别方法包括采集不同成熟度的原始咖啡果实图像，将图像裁剪为统一大小，并处理成为神经网络模型输入所要求的形式；将训练样本数据送入由连续卷积层+稀疏激活Maxout函数层构成的卷积神经网络模型中来提取咖啡果实图像特征；根据提取的特征训练咖啡果实成熟度分类器得到最终识别模型。本发明能够实现在无人工的参与下自动地识别出咖啡果实是否成熟，不仅提高了识别的准确率和效率而且还能降低人工成本。

技术领域

本发明属于智能农业领域，更具体的说设计一种机遇深度学习的咖啡果实成熟度的识别方法。

背景技术

随着人工智能的快速发展以及在工业领域发挥的巨大效能，让农业看到了新的变革的机会，深度学习技术在农业领域的应用有着广阔的发展前景。

传统的咖啡果实成熟度的识别方法，主要是通过肉眼进行观察，不仅费时又费力，而且对农民在农业生产过程中积累的经验依赖度很高，同时还很有可能会产生错误，从而错过咖啡果实采收的最佳时间，要获得优质的咖啡豆，对农业生产者有着极高的专业知识要求。因此，目前迫切需要一种新的方法来对咖啡果实成熟度进行识别。因此基于深度学习的咖啡果实的识别的研究，对于提高准确率和生产力，降低人工成本，促进农民增收均具有最要的意义。

发明内容

为了克服现有技术的不足，本发明提出了一种基于深度学习的咖啡果实成熟度的识别方法。能够实现在无人工的参与下自动地识别出咖啡果实是否成熟，不仅提高了识别的准确率和效率而且还能降低人工成本。

为了解决上述问题，本发明是通过以下技术方案实现的：一种基于深度学习的咖啡果实成熟度的识别方法：其特征在于：所述的方法具体步骤如下：

步骤1，对咖啡果实图像进行采集，并进行预处理；

步骤2，将所述第n张果实图像样本X_n作为输入图像，将所述第n张果实图像样本X_n所对应的果实成熟度Y_n作为识别目标，训练卷积神经网络模型Φ；

步骤3，计算第t次迭代的卷积神经网络Φ_t的代价损失L_t，并求解输入图像X_n在卷积神经网络Φ_t的滤波响应梯度；

步骤4，将所述滤波响应梯度在卷积神经网络Φ_t进行反向传播，从而更新第t次迭代的卷积神经网络Φ_t的各层权值和偏置参数；

步骤5，将t+1赋值给t，并判断L_t≥ε或t≤t_max是否成立，若成立，则返回步骤2-2；否则，表示完成卷积神经网络模型Φ的训练；

步骤6，将所采集的咖啡果实图像作为识别图像并经过预处理之后输入到所述卷积神经网络模型Φ中，从而得到所述咖啡果实图像特征，再将该特征输入到分类器中以判别咖啡果实的成熟度。

优选的，所述的步骤1，具体步骤如下：获取不同成熟度的咖啡果实图像的样本集，同时将图像裁剪为统一大小，并进行预处理。将处理后的咖啡果实图像，记为X＝{X₁，X₂，….X_n…X_N}，其中X_n表示第n张咖啡果实图像样本，并记第n张果实图像样本所对应的果实成熟度标签为Y_n，n＝1，2，…，N，其中Y的取值集合为{成熟、未成熟}。

优选的，所述的步骤2，具体步骤如下：