[发明专利]一种粮食霉变粒识别神经网络和识别方法

说明书

本发明一个实施例公开了一种粮食霉变粒识别神经网络和识别方法，包括第一卷积层，用于将光谱图像数据xi(Q×Q×256)进行第一卷积操作，得到第一层网络输出数据，第二卷积层，用于将所述第一层网络输出数据进行第二卷积操作，得到第二层网络输出数据；最大池化层，用于将所述第二层网络输出数据进行池化操作，注意力机制模块，用于对池化数据进行籽粒霉变图谱特征挖掘，得到第四层网络输出数据；第三卷积层，用于将所述第四层网络输出数据进行第三卷积操作，得到第五层网络输出数据；第四卷积层，用于将所述第五层网络输出数据进行第四卷积操作，得到第六层网络输出数据；串联连接的第一全连接层、第二全连接层和第一分类器，第一分类器输出识别结果。

技术领域

本发明涉及食品科学技术领域。更具体地，涉及一种粮食霉变粒识别神经网络、训练方法、识别方法、计算机设备和计算机可读存储介质。

背景技术

作为三大原粮之一的玉米在收储过程中的质量安全问题备受国民关注，质量评价结果直接关系到玉米入库时定等、定价及分类储存方式。霉变粒是衡量原粮质量的一项重要指标，也是粮食出入库检验流程的重点工作内容之一。玉米霉变所引起的安全问题不仅会给籽粒后期储存及加工带来经济损失，而且霉变后玉米的误食会危害人、畜健康。此外，2018年出台的GB1353-2018《玉米》标准中将霉变粒单独列为检测项，加强了对霉变粒的检出力度。因此，快速有效检出霉变粒数量，提前采取应对措施，是避免受污染的籽粒作为原料进入消费环节的关键手段。

目前玉米收购现场多数采用粮食行业内一致认可的人工感官评价方法对玉米霉变粒、不完善粒进行有效检出(通过人眼完成一份样品的检测需30～40分钟)。但人工质检依赖经验丰富的专业人员，且存在主观性强，再现性差，检测周期长等问题，难以满足现场快速批量检测的需求，严重影响了粮食收储现场质检工作效率。因此，迫切需要开发一种快速、无损、智能且便于现场操作的检测方法，替代人工质检完成霉变粒的鉴别工作。

发明内容

本发明的目的在于提供一种粮食霉变粒识别神经网络和识别方法，以解决现有技术存在的问题中的至少一个。

为达到上述目的，本发明采用下述技术方案：

第一方面，本发明提供一种粮食霉变粒识别神经网络，包括

第一卷积层，用于将光谱图像数据xi(Q×Q×256)进行第一卷积操作，得到第一层网络输出数据，其中所述光谱图像数据为对粮食样品的Q×Q大小感兴趣区域提取区域内像素点光谱图像得到的，其中，Q×Q是图像尺度，256是光谱波段数量；

第二卷积层，用于将所述第一层网络输出数据进行第二卷积操作，得到第二层网络输出数据；

最大池化层，用于将所述第二层网络输出数据进行池化操作，得到第三层网络输出数据xi(Q′×Q′×128)，其中Q′×Q′是池化处理后的图像尺度；

注意力机制模块，用于对所述第三层网络输出数据进行籽粒霉变图谱特征挖掘，得到第四层网络输出数据；

第三卷积层，用于将所述第四层网络输出数据进行第三卷积操作，得到第五层网络输出数据；

第四卷积层，用于将所述第五层网络输出数据进行第四卷积操作，得到第六层网络输出数据；

串联连接的第一全连接层、第二全连接层和第一分类器，其中第一全连接层接收第六层网络输出数据，第一分类器输出识别结果。

在一个具体实施例中，所述注意力机制模块包括

光谱域注意力机制网络，包括

全局均匀池化层，用于对所述第三层网络输出数据进行池化操作，得到全局均匀池化输出数据；

第五卷积层，用于对全局均匀池化输出数据进行第五卷积操作，得到第五卷积输出数据，其中卷积核大小为1×1×128/r，其中r为缩减率；