[发明专利]果蔬识别方法及装置

权利要求书

1.一种果蔬识别方法，其特征在于，所述方法包括：

获取样本图像，所述样本图像至少包括一种类别的果蔬；

获取所述样本图像中各种类别的果蔬的位置信息以及类别标签；

根据所述样本图像、所述样本图像中各种类别的果蔬的位置信息以及类别标签对初始深度学习模型进行训练，生成果蔬识别模型；

将待识别图像输入训练好的果蔬识别模型，输出识别结果，其中，所述识别结果包括果蔬的类别标签及位置信息。

2.根据权利要求1所述的方法，其特征在于，所述获取所述样本图像中各种类别的果蔬的位置信息以及类别标签，包括：

通过标记工具对每张样本图像中的果蔬进行标注，生成果蔬的位置信息；

设置所标注的果蔬的类别标签，并将所述类别标签与所述果蔬的位置信息进行关联；

根据关联后的所述类别标签与所述果蔬的位置信息生成模型可读的文件。

3.根据权利要求1所述的方法，其特征在于，利用矩形框对每张样本图像中的果蔬进行标注，将所述矩形框的位置信息确定为所述果蔬的位置信息。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述果蔬识别模型所输出的待测试图像中各种果蔬的类别标签以及各种果蔬的位置信息的准确率小于预设阈值时，获取待测试图像中各种果蔬的实际位置信息以及各种所述商品的实际类别标签；

根据待测试图像、待测试图像中各种果蔬的实际位置信息以及各种果蔬的实际类别标签对所述果蔬识别模型进行训练，直至所述果蔬识别模型所输出的待测试图像中各种果蔬的分类结果以及位置信息的准确率大于或等于预设阈值。

5.根据权利要求1所述的方法，其特征在于，所述将待识别图像输入训练好的果蔬识别模型，输出识别结果，包括：

当所述识别结果为所述待识别图像中不包含果蔬，则输出图像中不包含果蔬的结论；

当所述识别结果为所述待识别图像中包含果蔬，则输出包括果蔬的类别标签、位置信息及数量的结论。

6.根据权利要求1～5任一项所述的方法，其特征在于，在所述获取所述样本图像中各种类别的果蔬的位置信息以及类别标签之前，所述方法还包括：

对所述样本图像进行预处理，所述预处理包括对所述样本图像进行放大和/或缩小和/或亮度增强和/或亮度减弱和/或翻转和/或增加噪声。

7.根据权利要求1所述的方法，其特征在于，所述果蔬识别模型为YOLOv3模型，所述根据所述样本图像、所述样本图像中各种类别的果蔬的位置信息以及类别标签对初始深度学习模型进行训练，生成果蔬识别模型，包括：

将所述样本图像按照预设的比例分别训练集及验证集；

将训练集输入YOLOv3模型进行训练，直至达到预设的迭代数停止训练；

记录训练集每一次迭代的损失函数值，并基于训练集中的迭代次数和损失函数值绘制训练损失函数曲线图，确定损失函数收敛时所对应的迭代次数的合格范围；

将验证集的每一张样本图像输入迭代次数在合格范围内的每一个YOLOv3模型；

选取识别效果最好的迭代次数值对应的YOLOv3网络模型作为训练好的果蔬识别模型。

8.一种果蔬识别装置，其特征在于，所述装置包括：

第一获取单元，用于获取样本图像，所述样本图像至少包括一种类别的果蔬；

第二获取单元，用于获取所述样本图像中各种类别的果蔬的位置信息以及类别标签；

生成单元，用于根据所述样本图像、所述样本图像中各种类别的果蔬的位置信息以及类别标签对初始深度学习模型进行训练，生成果蔬识别模型；

输出单元，用于将待识别图像输入训练好的果蔬识别模型，输出识别结果，其中，所述识别结果包括果蔬的类别标签及位置信息。

9.一种计算机非易失性存储介质，其特征在于，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7任意一项所述的果蔬识别方法。

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述的果蔬识别方法。