[发明专利]飘尘检测方法、可读存储介质、飘尘检测机及智能食品机

权利要求书

1.一种飘尘浓度分析的深度神经网络的训练方法，其特征是，包括如下步骤：

A. 对浓度超标的和浓度达标的情况分别执行下述样本获取步骤，从而分别获得学习样本，每次样本获取步骤包括如下S11、S12和S2：

——S11. 在紫外光照射下对封闭场景进行拍摄获得多张场景荧光图像，拍摄方向包括横向和纵向；

——S12. 与所述拍摄同步地检测封闭场景的飘尘浓度，标记其浓度是超标还是达标；

——S2. 以所述多张场景荧光图像作为输入信号，以该场景是浓度超标还是浓度达标作为输出信号，构成供深度神经网络进行飘尘浓度分析训练的一组学习样本；

B. 采用多组学习样本对深度神经网络进行飘尘浓度分析训练，直至该深度神经网络具备根据多张场景荧光图像判断场景是浓度超标还是浓度达标的能力。

2.如权利要求1所述的飘尘浓度分析的深度神经网络的训练方法，其特征是，深度神经网络具备根据多张场景荧光图像判断场景是浓度超标还是浓度达标的能力的判断条件包括：所述判断的准确率达到预定标准。

3.如权利要求1所述的飘尘浓度分析的深度神经网络的训练方法，其特征是，在执行所述步骤S11之前开启紫外环境提供装置从而实现所述紫外光照射。

4.计算机可读存储介质，其存储有计算机程序，其特征是，所述计算机程序被处理器执行时能够实现权利要求1~3中任一项所述的飘尘浓度分析的深度神经网络的训练方法。

5.飘尘检测方法，其特征是包括如下步骤：

拍摄步骤. 对在紫外光照射下的封闭场景，进行横向拍摄和纵向拍摄获得多张场景荧光图像；

分析步骤. 结合横向拍摄的和纵向拍摄的场景荧光图像，分析出场景的飘尘浓度是否超标。

6.如权利要求5所述的飘尘检测方法，其特征是，分析步骤的分析包括将拍摄得到的多张场景荧光图像一起输入到已训练好的深度神经网络，由该深度神经网络判断飘尘浓度是否超标。

7.如权利要求6所述的飘尘检测方法，其特征是，分析步骤的深度神经网络是使用权利要求1~3中任一项所述的训练方法训练得到的。

8.计算机可读存储介质，其存储有计算机程序，其特征是，所述计算机程序被处理器执行时能够实现权利要求5~7中任一项所述的飘尘检测方法。

9.飘尘检测机，其特征是，包括对封闭场景进行紫外光照射的紫外环境提供装置、用于拍摄场景影像的拍摄装置以及处理器，处理器控制紫外光灯打开和控制拍摄装置进行拍摄，还包括如权利要求8所述的计算机可读存储介质，该计算机可读存储介质上的计算机程序可被处理器执行。

10.智能食品机，包括封闭式机壳和设在机壳内的加工设备，其特征是，在机壳内设有如权利要求9所述的飘尘检测机，封闭式机壳构成所述的封闭场景。