[发明专利]一种基于深度学习的苹果分级识别方法

说明书

本发明公开了一种基于深度学习的苹果分级识别方法，所述方法包括如下步骤：步骤一、构建苹果训练数据集：1、爬取苹果图像数据；2、图像预处理；步骤二、苹果目标检测：1、选取步骤一构建的苹果数据集中的苹果图作为检验数据，利用Darknet框架进行数据训练；2、完成训练后，利用手机拍摄苹果照片，对该图进行苹果位置检测，并进行标注；步骤三、苹果表面缺陷检测：以截图后的单张苹果图片为输入图像，将每个定位到的苹果进行单独提取，针对四种表面缺陷进行定位；步骤四、苹果分级识别。相比于现有技术，本发明具有如下优点：1、更轻量级；2、扩展性强；3、更贴近生活需求。

技术领域

本发明涉及一种苹果分级识别方法。

背景技术

如图1所示，苹果的缺陷形态主要有虫眼、苹果外皮划痕、苹果外皮破裂、腐烂，其中：虫眼为苹果上的小缺陷点，颜色相对较深，呈离散点的形式分布在苹果表面；苹果外皮划痕为细长的缺陷区域，其颜色相对较浅，与苹果表面的颜色纹理相差较少；苹果外皮破裂为苹果表面的大面积破损，颜色可能相对较深也有可能相对较浅，其表现为苹果表面的大面积损坏；腐烂为大面积的表层坏损，由于腐败原因，苹果表面的腐烂区域也为较深的大面积损伤。

苹果由于其出售方式为堆积销售，所以各个目标之间会相对靠拢，这样的场景有以下几个特点：

(1)各个目标之间距离较近；

(2)目标颜色有较多变化。

为了体现错误标注对信息体现的干扰性，由图2所示错误标注方式可见，该标注方式的错误在于：

(1)目标标注方案的字体颜色较浅，与目标背景差异较小，人眼不容易直接进行观察。

(2)在图下的两个苹果中，两个目标的标注位置太靠拢，无法进行有效的区分目标与标注的关联。

(3)标注字体过大，会遮挡住目标本身的有用信息，使得视觉上更加混乱。

发明内容

为了能够准确的区分苹果位置和现实苹果信息，本发明提供了一种基于深度学习的苹果分级识别方法。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的苹果分级识别方法，包括如下步骤：

步骤一、构建苹果训练数据集

1、爬取苹果图像数据

利用Python3.0对百度图片搜索中，关键字为“苹果”的网页进行图片爬取，将爬取的数据文件保存在本地的苹果图像中；

2、图像预处理

通过观察爬取到的图片，利用图像处理技术将同一图像中出现多个苹果的图片进行分割，使得每张图像中都有且只有唯一一个苹果，具体步骤如下：

(1)选择合适的颜色通道

将采集到的苹果图像由RGB模式转换为HSL模式，并进行HSL三通道分离，采用S通道分量作为后续图像处理的输入信号源；

(2)图像灰度化

采用加权平均法对苹果图像进行进一步的灰度化处理，将获得到的RGB三通道图像进行分离，设红通道为R(i,j)，绿通道为G(i,j)，蓝通道为B(i,j)，根据三个通道对图像继续进行合并，获得灰度图f(i,j)，具体公式为：

f(i,j)＝0.3R(i,j)+0.59G(i,j)+0.11(i,j)；

(3)图像去噪

采用加权平均滤波方法进行平滑去噪，利用滑动窗口对图像继续平滑处理，通过对每个像素点与其邻域进行处理，最终获得噪声抑制后的图像；利用如下公式获得噪声抑制图F(i,j)：