[发明专利]智能食品检测系统及其方法

权利要求书

1.一种智能食品检测系统，其特征在于，包括：

高光谱数据采集模块，用于获取待检测羊肉的高光谱立方图，所述高光谱立方图包括多个波长下的光谱图像；

降噪模块，用于将所述高光谱立方图通过基于自动编解码器的图像降噪器以得到生成高光谱立方图；

空间注意力编码模块，用于将所述生成高光谱立方图中多个波长下的光谱图像的各个波长下的光谱图像通过使用空间注意力机制的第一卷积神经网络模型以得到多个图像特征矩阵；

三维排列模块，用于将所述多个图像特征矩阵沿着通道维度排列为三维特征张量；

多尺度关联特征提取模块，用于将所述三维特征张量通过包含第二卷积神经网络和第三卷积神经网络的双流网络模型以得到第一特征图和第二特征图，其中，所述第二卷积神经网络使用具有第一尺度的三维卷积核，所述第三卷积神经网络使用具有第二尺度的三维卷积核；

特征校正模块，用于对所述第一特征图和所述第二特征图分别进行相对类角度概率信息表示校正以得到第一校正特征图和第二校正特征图；

特征融合模块，用于融合所述第一校正特征图和所述第二校正特征图以得到多尺度关联特征图；以及

检测结果生成模块，用于将所述多尺度关联特征图作为分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测羊肉是否为注水羊肉。

2.根据权利要求1所述的智能食品检测系统，其特征在于，所述降噪模块，包括：

编码单元，用于将所述高光谱立方图输入所述图像降噪器的编码器，其中，所述编码器使用卷积层对所述高光谱立方图进行显式空间编码以得到高光谱立方图图像特征；以及

解码单元，用于将所述高光谱立方图图像特征输入所述图像降噪器的解码器，其中，所述解码器使用反卷积层对所述高光谱立方图图像特征进行反卷积处理以得到所述生成高光谱立方图。

3.根据权利要求2所述的智能食品检测系统，其特征在于，所述空间注意力编码模块，进一步用于：

使用所述第一卷积神经网络模型的卷积编码部分对所述光谱图像进行深度卷积编码以得到初始卷积特征图；

将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；

将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；

计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到图像特征图；以及

对所述图像特征图进行沿通道维度的全局均值池化处理以得到所述图像特征矩阵。

4.根据权利要求3所述的智能食品检测系统，其特征在于，所述多尺度关联特征提取模块，包括：

第一尺度特征提取单元，用于使用所述使用具有第一尺度的三维卷积核的第二卷积神经网络在层的正向传递中对输入数据分别进行：基于所述具有第一尺度的三维卷积核对所述输入数据进行三维卷积处理、均值池化处理和非线性激活处理以得到第一特征图；以及

第二尺度特征提取单元，用于使用所述使用具有第二尺度的三维卷积核的第三卷积神经网络在层的正向传递中对输入数据分别进行：基于所述具有第二尺度的三维卷积核对所述输入数据进行三维卷积处理、均值池化处理和非线性激活处理以得到第二特征图。