[发明专利]基于Mask R-CNN的淀粉颗粒识别方法

权利要求书

1.基于Mask R-CNN的淀粉糊化智能检测方法，其特征在于，包括如下步骤：

(1)淀粉糊化图数据采集：配制淀粉悬浮液，分散均匀后，滴加至载玻片上，得到样本片，将样本片放置在带有显微镜的热台设备上，开启热台设备，升温至糊化温度，通过与显微镜相连的数码相机进行拍照，获取加热过程中的淀粉糊化图；

(2)淀粉糊化数据集构建：将步骤(1)所得的淀粉糊化图转化为淀粉糊化二值图，分割淀粉糊化二值图中的淀粉颗粒，将淀粉颗粒制作为淀粉颗粒掩膜图；对淀粉颗粒掩膜图进行信息提取，输出淀粉糊化数据集JSON文件；

(3)Mask R-CNN模型构建与训练：构建Mask R-CNN模型，利用神经网络训练算法对淀粉糊化数据集进行读取，并将其输入至Mask R-CNN模型中，基于误差反向传播方法对Mask R-CNN模型进行权重优化，完成Mask R-CNN模型的训练；

(4)淀粉糊化过程颗粒检测：利用淀粉糊化检测算法，基于Mask R-CNN对糊化过程中淀粉糊化图的淀粉颗粒进行检测，输出淀粉糊化检测图，并统计所有淀粉颗粒数量变化；

(5)淀粉糊化评估：统计淀粉糊化图中的不同温度i时的淀粉糊化图中的颗粒数量A_i。

2.根据权利要求1所述的基于Mask R-CNN的淀粉颗粒识别方法，其特征在于，步骤(1)中，所述的淀粉为原淀粉、改性淀粉或淀粉混合物；所述的改性淀粉为预糊化淀粉、交联淀粉或磷酸酯淀粉；所述的淀粉混合物是在天然淀粉或改性淀粉中添加氨基酸、尿素和氯化钠等一种或多种获得的混合物。

3.根据权利要求1所述的基于Mask R-CNN的淀粉颗粒识别方法，其特征在于，步骤(1)中，所述的淀粉糊化图为淀粉在水分子作用下，随着温度变化而发生淀粉颗粒形态变化的显微图像；

步骤(1)中，所述的淀粉悬浮液中的淀粉质量含量为0.1-3％；

步骤(1)中，所述的得到样本片是利用吸管吸取淀粉悬浮液，滴加至载玻片上，盖上盖玻片并用玻璃胶密封而得。

4.根据权利要求1所述的基于Mask R-CNN的淀粉颗粒识别方法，其特征在于，步骤(1)所述的升温至糊化温度是指从环境温度开始升温，对于马铃薯淀粉，从初始温度20-30℃加热温度至80-90℃；步骤(1)所述的通过与显微镜相连的数码相机进行拍照前，调整显微镜使淀粉颗粒清晰明亮；

步骤(1)中，所述热台设备的升温速率不高于5℃/min；所述拍照的频率为1次-4次/2℃；显微镜倍数为50×10倍或20×10倍。

5.根据权利要求1所述的基于Mask R-CNN的淀粉颗粒识别方法，其特征在于，步骤(2)中，所述的淀粉糊化图转化为淀粉糊化二值图是利用淀粉图像二值化算法进行；

所述的分割淀粉糊化二值图中的淀粉颗粒是利用Photoshop进行分割。

6.根据权利要求5所述的基于Mask R-CNN的淀粉颗粒识别方法，其特征在于，所述的淀粉糊化二值图中的淀粉颗粒为白色像素，背景为黑色像素；淀粉图像二值化算法的操作步骤为：

S1打开淀粉糊化图，利用基于Python的opencv模块中Canny算法对淀粉颗粒图像进行边缘检测，生成淀粉颗粒边缘图；

S2利用基于Python的opencv模块中的数学形态学算法对淀粉颗粒边缘图进行优化，生成淀粉颗粒边缘优化图；

S3利用漫水填充算法对淀粉颗粒边缘优化图中的颗粒边缘内的像素使用白色像素进行填充，生成淀粉糊化二值图。