[发明专利]基于Inception模块与Attention机制的鸡蛋新鲜度检测方法

权利要求书

1.基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：包括三个Inception模块和CBAM模块，多少所述Inception模块和CBAM模块组合建立成一个GoogLeNet-A鸡蛋新鲜度检测网络模型，所述CBAM模块包括通过采集的图像特征建立通道注意力映射和空间注意力映射，通道注意力映射使得神经网络能够分辨样本图片中什么是有意义，更值得关注，而空间注意力映射补充了通道注意力中缺失的位置信息，建立所述GoogLeNet-A鸡蛋新鲜度检测网络模型的步骤包括：

a、搭建鸡蛋透光图像采集系统，获取鸡蛋的透光图像；

b、通过透光图像显示内容剔除因储存导致破损、暗斑的鸡蛋；

c、从剩下的鸡蛋中随机挑选20个鸡蛋样本检测哈夫值，使用这20个鸡蛋的哈夫值代替所有样本；

d、使用鸡蛋透光图像采集系统采集鸡蛋透光图像样本；

e、采集的鸡蛋透射光图像颜色为黄接近红色，鸡蛋暗斑颜色为深红色，二者颜色对比度不高，对鸡蛋样本RGB空间中G分量进行4倍增强；之后利用插值算法将G增强的图像尺寸缩小为原样本的1/8以满足模型模型快速训练、测试；

f、通过旋转、翻转扩充数据集；

g、实验用AA级样本366张、A级样本402张和B级样本405张，从各个新鲜度样本中挑选43张(共计129张)作为测试样本，剩下共计1044张全部作为训练样本，并使用one-hot编码标签；

h、训练样本及其标签带入模型进行训练，使用随机梯度下降算法对权值进行更新，获得鸡蛋新鲜度检测模型，当误差或迭代次数达到阈值时训练停止；最后将测试样本代入训练好的网络，并得出检测结果。

2.根据权利要求1所述的基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：三个所述Inception模块中包含一个或多个1x1、3x3、1x3、3x1、1x7和7x1卷积核分支，多核结构能够对不同形态的鸡蛋进行特征提取和学习，同时这种多尺度卷积使得该模块中不再需要人工设计卷积核大小或者确定是否需要创建卷积层和池化层，减小了人为因素对网络的影响。

3.根据权利要求1所述的基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：所述通道注意力映射的步骤包括：首先将图像特征平均池化和最大池化，然后通过同一个MLP网络结构，最后将特征的对应元素相加后由Sigmoid函数激活后得到通道注意力映射。通过通道注意力映射把卷积得到的图像特征在通道维度上进行压缩。

4.根据权利要求3所述的基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：所述空间注意力映射的步骤包括：先使用平均池化和最大池化分别对通道注意力映射的结果进行压缩，得到了两个二维的特征并将其按通道维度拼接在一起，之后使用一个1x1卷积层对其进行卷积操作，由Sigmoid函数激活后输出作为空间注意力映射。

5.根据权利要求4所述的基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：CBAM模块首先在通道维度上使用平均池化、最大池化和MLP网络提取输入样本图片的通道注意力映射使得网络的视觉结构聚焦于空间信息，然后在空间维度上通过平均池和最大池化压缩通道注意力映射使得网络的视觉结构聚焦于通道信息。

6.根据权利要求1所述的基于Inception模块与Attention机制的鸡蛋新鲜度检测方法，其特征在于：所述步骤a鸡蛋透光图像采集系统包括平面镜、球积分光源、被检测对象鸡蛋、铁架台、CMOS工业相机、计算机和软件系统检测，在所述球积分光源底部放置所述平面镜，所述球积分光源顶部放置被检测对象鸡蛋，所述球积分光源和所述平面镜放置于所述铁架台平台上，所述CMOS工业相机放置在所述铁架台的支架上，所述CMOS工业相机通过USB接口连接所述计算机，所述计算机安装有图像采集驱动，实现所述软件系统检测。