[发明专利]一种基于深度学习的蓝莓果实中总糖含量的无损检测方法

摘要

本发明公开了一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，该方法利用深度学习对蓝莓果实进行分类，提高了蓝莓果实品检测的准确性和效率，包括以下步骤：首先采集不同成熟时期的蓝莓果实，并测定了蓝莓的花青苷含量和总糖含量，然后建立基于花青苷与蓝莓图像相关性的果皮色素含量预测网络SPCPN，并建立基于花青苷与总糖相关的果实内在品质预测网络FIQPN，最后，将果皮色素含量预测网络和果实内在品质预测网络合并到蓝莓品质参数预测网络BQPPN中，经外部验证后，网络对蓝莓果实总糖含量的预测大于94％，具有无损、效率高、准确率高、便捷和结果稳定的优点。

主权项

1.一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，其特征在于，包括以下步骤：/n(1)采摘从蓝莓果实着色期至完全成熟期的蓝莓样本，取样N次，同时采集每时期采摘前蓝莓果实的彩色图像信息，备用；/n(2)测定步骤(1)中采摘的不同时期蓝莓果皮中的花青苷含量和可溶性固形物含量并记录；/n(3)调整步骤(1)拍摄的图片的分辨率，作为训练样本，在图像的训练和测试过程中，对输入果皮色素含量预测网络中的图像数据进行处理；/n(4)利用框标记脚本对步骤(3)处理好的图片进行框标记，然后用测量的每个时期花青苷的平均值分别对相应时期的图片进行打标签，构建BFNE数据集，并将其分为训练数据集和测试数据集两部分；/n(5)将人工标记的边界框作为标记信息输入到果皮色素含量预测网络中训练，提取特征后，产生相应的边界框，将边界框的相关信息映射为原图的特征图并转化为高维特征向量，通过非极大值抑制减少最终框数目，而产生的分类结果会和框数据相互增益做最终的分类和回归，最终的框回归将最终的蓝莓框出来，将回归得到的框与人工标记的边界框求取误差，预测含量与标签含量信息作比较，得到预测的误差，并将误差反向传播调整网络参数，在训练数据集上微调整个网络，在测试数据集上测试最终的结果；/n(6)将果皮色素含量预测网络输出的高维特征向量作为总糖含量判断的特征，通过果实内在品质预测网络输出最终的总糖的信息，并与初始的总糖标记含量进行比较，得到最终的误差并进行反向传播微调网络参数，在训练数据集上微调整个网络，在测试数据集上测试最终的结果；/n(7)将果实色素预测网络与果实内在品质预测网络进行融合，建立蓝莓无损检测网络模型BQPPN，对蓝莓的蓝莓品质参数预测网络进行评价。/n