[发明专利]具有包装的果蔬的识别方法、识别装置、电子设备以及计算机可读介质

权利要求书

1.一种具有包装的果蔬的识别方法，包括：

数据集生成步骤，采集具有包装的果蔬的视频信息，并且对所采集的所述视频信息进行预处理，以生成用于训练的数据集；

模型训练步骤，构建深度学习卷积网络模型，并基于所述数据集对所述深度学习卷积网络模型进行训练；以及

识别步骤，基于已训练的所述深度学习卷积网络模型，对待识别的具有包装的果蔬的视频进行检测，以识别所述视频中的所述具有包装的果蔬的属性信息。

2.根据权利要求1所述的具有包装的果蔬的识别方法，其中，

在所述数据集生成步骤中，所述预处理包括：图像标注处理，在所采集的所述视频信息中的图像帧中标注所述具有包装的果蔬的属性信息。

3.根据权利要求2所述的具有包装的果蔬的识别方法，其中，

在所述图像标注处理之前，所述预处理还包括：扩充处理，对所述视频信息中的图像帧进行增强操作，以扩充所述数据集的规模。

4.根据权利要求3所述的具有包装的果蔬的识别方法，其中，

在所述扩充处理之前，所述预处理还包括：过滤处理，根据从所述视频信息中提取的图像帧的图像质量，对图像帧进行过滤。

5.根据权利要求1-4中的任一项所述的具有包装的果蔬的识别方法，其中，

在所述数据集生成步骤中，采集不同环境下的具有包装的果蔬的视频信息。

6.根据权利要求1-4中的任一项所述的具有包装的果蔬的识别方法，其中，

在所述模型训练步骤中，通过由所述构建的深度学习卷积网络模型的卷积层提取所述数据集中的图像的特征信息，并定义基于当前场景目标的损失函数，对所述深度学习卷积网络模型进行训练，其中，所述损失函数包含不同权重加权的损失来源项。

7.根据权利要求2-4中的任一项所述的具有包装的果蔬的识别方法，其中，

在所述模型训练步骤中，对所述图像帧的标注的标注框进行锚框聚类操作，以用于模型训练。

8.根据权利要求1-4中的任一项所述的具有包装的果蔬的识别方法，其中，

在所述识别步骤中，还计算与所述属性信息对应的置信度得分。

9.根据权利要求1或8所述的具有包装的果蔬的识别方法，其中，

在所述识别步骤中，还统计被识别出的所述属性信息的识别次数，并且计算对应的平均置信度得分。

10.根据权利要求1-4中的任一项所述的具有包装的果蔬的识别方法，其中，

所述属性信息包括：果蔬的类别信息、包装的种类信息以及位置信息中的至少一者。

11.一种具有包装的果蔬的识别装置，包括：

数据集生成单元，采集具有包装的果蔬的视频信息，并且对所采集的所述视频信息进行预处理，以生成用于训练的数据集；

模型训练单元，构建深度学习卷积网络模型，并基于所述数据集对所述深度学习卷积网络模型进行训练；以及

识别单元，基于已训练的所述深度学习卷积网络模型，对待识别的具有包装的果蔬的视频进行检测，以识别视频中的所述具有包装的果蔬的属性信息。

12.一种识别具有包装的果蔬的电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的具有包装的果蔬的识别方法。

13.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-10中任一项所述的具有包装的果蔬的识别方法。