[发明专利]一种芥蓝成熟度识别方法

说明书

本发明公开了一种芥蓝成熟度识别方法，包括以下步骤：S1：模型搭建和模型训练；S101：首先进行采集图像，通过使用两台设备进行采集，然后将采集来的图像进行标签分类；旨在利用两台设备不同的摄影策略获得更有多样性的芥蓝图像从而增强卷积网络的鲁棒性；S102：然后标签分类后的图像进行传输到改进神经网络中，然后再改进卷积神经网络注意力机制，通过修改原EfficientNetv2中的SE注意力模块。本发明结构简单，使用方便，能够在参数量尽可能少的情况下对果蔬成熟度进行特征提取，本发明仅作为分类网络有极高的分类准确率，并且可作为主干特征提取网络嵌入YOLO系列目标检测算法为其提供特征信息，在果蔬采摘任务中提高效率解放劳动力。

技术领域

本发明涉及一种轻量级深度学习网络框架的分类技术领域，具体为一种芥蓝成熟度识别方法。

背景技术

近年来，作物成熟度与类别检测分类的自动化引起了广泛研究，方法包括Transfomer、机器学习和深度学习。

在中国专利“茶叶成熟度检测方法、茶叶采摘方法及相关设备”，其专利号为“CN114049574B”，该专利中利用基于Transfomer的图像分类算法实现了对成熟茶叶的定位，但是transfomer算法在训练时需要大量的数据集，因此训练成本颇高。

在中国专利“一种基于机器视觉的壳莲成熟度检测设备及检测方法”，其专利号为“CN114192425A”，该专利中提供了一种基于机器视觉的壳莲成熟度检测设备设有一视觉系统包含快速的检测壳莲成熟度图像处理算法，从而减少对人力的依赖。

在中国专利“基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法”，其专利号为“CN114169618A”，该专利中提出了一种基于应用经验判断法确定猕猴桃成熟度标签的机器视觉学习的猕猴桃成熟度无损检测鉴别预测方法。然而相比于深度学习的自动图像特征学习，机器学习依然需要预处理即人工提取图形特征，该方法需要专家经验且过于耗费人力。

基于深度学习的目标检测方法也被广泛应用于果蔬成熟度分类任务中。在中国专利“一种基于Dish-YOLO的菜品识别方法和系统”，其专利号为“CN114202652A”，该专利公开了一种基于yolo -v3改进尺度层与重新分配锚点得到的Dish-YOLO的菜品识别方法和系统，使菜品智能识别结算系统具有更强的实用性和容错性。

在中国专利“一种基于卷积神经网络的黄花菜成熟度识别方法”，其专利号为“CN114359546A”，该专利中利用基于改进的yolov3目标检测模型实现了对黄花菜的位置检测与成熟度分类，但是并没有对yolov3目标检测模型的主干特征提取网络进行系统性的修改与评估。

在中国专利“基于深度学习的油茶果成熟度高光谱检测方法及分选设备”，其专利号为“CN114112932A”，该专利结合高光谱技术与深度卷积神经网络实现了对不同成熟度果实的检测与分类图像可视化。

在中国专利“一种智能化检测油茶果实成熟度的方法”，其专利号为“CN113963239B”，该专利通过深度学习中深度卷积神经网络技术构建油茶果实从内部品质参数到外部表型特征的动态映射与特征联系,实现油茶果实成熟度的量化表征,进而揭示油茶果实成熟度量化表征机理。

在中国专利“基于无人机遥感和深度学习的鲜食玉米成熟度预测方法”，其专利号为“CN114140692A”，该专利公开了一种基于无人机遥感和深度学习的鲜食玉米成熟度预测方法，其图像处理部分所采用的深度学习网络为u-net。

在中国专利“一种基于深度学习和计算机视觉的串番茄成熟度检测方法”，其专利号为“CN110472575B”，该专利综合ssd和alexnet涉及一种基于深度学习和计算机视觉的串番茄成熟度检测方法。

在中国专利“一种基于图像分析烟叶成熟度状态概率计算方法”，其专利号为“CN113919443B”，该专利提出了一种基于图像分析烟叶成熟度状态概率计算方法结合卷积神经网络模型实现自动化的烟叶成熟度状态识别。