[发明专利]一种红枣外观品质分类方法、装置、设备及存储介质

说明书

本发明实施例公开了一种红枣外观品质分类方法、装置、设备及存储介质。该方法包括：采集红枣原始图像；对所述红枣原始图像进行预处理，提取所述红枣原始图像的感兴趣区域，并对所述感兴趣区域进行归一化尺寸操作，得到相同尺寸大小的红枣图像的感兴趣区域图像；利用优化的卷积神经网络对所述红枣图像的感兴趣区域图像进行训练，得到训练好的红枣外观品质分类模型；用所述红枣外观品质分类模型对红枣图像进行测试，得到红枣外观品质的分类结果。本发明实施例实现了结合多通道加权和信息聚合机制的卷积神经网络对红枣外观品质的准确分类，解决了红枣分类品级定位不精确的问题，使得对红枣外观品质的分类效率提高。

技术领域

本发明实施例涉及食品安全检测领域，尤其涉及一种红枣外观品质分类方法、装置、设备及存储介质。

背景技术

红枣，在中国已有八千多年的种植历史，沧州市作为中国北方著名的产枣城市，也拥有全国最大的红枣交易市场。2017年，沧州红枣交易市场红枣交易额为382亿元，利润总额达65.6亿元，随着交易辐射面的扩大和交易量逐渐增加，商贩对红枣品质的要求也是越来越高。

目前对于红枣品质的分类是采用人工进行分拣，有经验的工人可以对完好的、干条的、有裂口的和表皮破损这四类品质的红枣进行分类。

但是人工分拣效率低下，且成本过高，对红枣外观的品质分类也没有一个固定的标准。

发明内容

本发明实施例提供一种红枣外观品质分类方法、装置、设备及存储介质，以提高红枣外观品质的分类效率。

第一方面，本发明实施例提供了一种红枣外观品质分类的方法，包括：采集红枣原始图像；

对所述红枣原始图像进行预处理，提取所述红枣原始图像的感兴趣区域，并对所述感兴趣区域进行归一化尺寸操作，得到相同尺寸大小的红枣图像的感兴趣区域图像；

利用优化的卷积神经网络对所述红枣图像的感兴趣区域图像进行训练，得到训练好的红枣外观品质分类模型；

用所述红枣外观品质分类模型对红枣图像进行测试，得到红枣外观品质的分类结果；

其中，所述优化的卷积神经网络为在34层残差网络结构的基础上，通过通道加权，网络增强包含有用信息的特征；并通过学习全局信息来抑制无用的特征，多通道信息聚合模块嵌入在网络中每个模块的末尾，以聚合各种不同感受野中的特征。

可选的，对所述红枣原始图像进行预处理，提取所述红枣原始图像的感兴趣区域，包括：

对所述红枣原始图像进行二值化操作；然后用所述红枣原始图像中的红枣边界的上边界、左边界和下边界构成最小外接正方形区域，提取红枣图像的感兴趣区域。

可选的，所述优化的卷积神经网络为在34层残差网络结构的基础上，通过通道加权，网络增强包含有用信息的特征，包括：

所述通道加权使用全局平均池化对卷积层输出的每个通道的通道特征进行压缩，使其成为一个实数数列，该实数数列中的每个实数具有描述对应通道特征的特点；通过门限机制中的全连接层配合激活函数的使用，对之前得到的实数数列进行维度压缩和维度还原，使其在较低的层上可以学习去激励可信息化的特征，在较高的层上，对不同的输入有高度的具体类别响应；将经过门限机制的输出权重看作是经过特征选择后的每个特征通道的重要性，然后通过乘法逐通道加权到先前的特征上，完成在通道维度上的对原始特征的重标定。

可选的，多通道信息聚合模块嵌入在网络中每个模块的末尾，以聚合各种不同感受野中的特征，包括：

所述多通道信息聚合模块利用了特征信息累加的方法，对一个模块中不同通道的多个维度信息进行聚合，通过形成一个稀疏网络结构，既能够产生稠密的数据，又能增加神经网络表现。