[发明专利]一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法

权利要求书

1.一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，其特征在于，包括以下步骤：

(1)采摘从蓝莓果实着色期至完全成熟期的蓝莓样本，取样N次，同时采集每时期采摘前蓝莓果实的彩色图像信息，备用；

(2)测定步骤(1)中采摘的每时期的蓝莓果皮中的叶绿素含量并记录；

(3)图像预处理：调整步骤(1)拍摄的图片的分辨率，作为训练样本，输入蓝莓叶绿素预测含量网络中，在图像的训练和测试过程中，采用去平均方法对输入蓝莓叶绿素预测网络的图像数据进行处理；

(4)构建叶绿素含量预测数据集：利用Label-Image脚本对步骤(3)中处理好的图片进行框标记，然后用测量的每个时期的叶绿素值分别对相应时期的图片进行打标签，构建叶绿素含量预测数据集，并且将叶绿素含量预测数据集分成训练数据集和测试数据集两部分；

(5)训练、测试叶绿素含量预测模型：将边界框作为标记信息输入到蓝莓叶绿素预测含量网络中，进行蓝莓特征提取，在生成的特征基础上生成相应的蓝莓边界框，随后将边界框的相关信息映射到原始图像的特征图上，将映射后的蓝莓特征转化为高维特征向量，生成的高维向量可以作为预测叶绿素含量的特征信息，将训练好的叶绿素含量预测模型对输出的叶绿素含量与果实的成熟度进行映射，通过值与值之间的映射之后，能够通过最终的预测结果映射值，判断当前映射值所处的成熟度。

2.根据权利要求1所述的一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，其特征在于，步骤(1)中，挑选大小、成熟度相对一致、无病虫害、无机械伤的蓝莓果实，从蓝莓果实盛花期10d后开始采样，每隔10d取样1次，同时采集每时期采摘前蓝莓果实的彩色图像信息，备用。

3.根据权利要求1所述的一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，其特征在于，采用分光光度法测定蓝莓果皮中的叶绿素，每时期重复3次，求取平均值作为对应时期的叶绿素含量值。

4.根据权利要求1所述的一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，其特征在于，将步骤(1)拍摄的图片的分辨率调整为1000*500的最终分辨率，输入蓝莓叶绿素预测含量网络中。

5.根据权利要求1所述的一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，其特征在于，步骤(5)中，将人工标记边界框及叶绿素含量作为蓝莓图像标记信息输入到蓝莓叶绿素预测含量网络中，Mobile网络进行训练和特征提取，由RPN层生成相应的边界框，随后将边界框的相关信息映射到原始图像的特征图上，通过RoiAlign层将其转化为高维特征向量，通过非最大值抑制减少最终框数，并通过框回归对预测结果进行补充以进行最终预测，利用预测回归框和人工标记边界框计算框误差损失，并将预测的叶绿素含量与人工标记的叶绿素含量信息进行比较，得到预测的叶绿素含量损失，并利用损失反向传播来调整网络参数，通过将训练好的叶绿素含量预测模型对输出的叶绿素含量与果实的成熟度进行映射，判断当前映射值所处的成熟度，在训练数据集上经过40000次微调迭代后，网络不断拟合蓝莓的特征，至训练数据集和测试数据集的损失值和精度值趋于稳定为止。