The embodiment of the invention provides a residual network model and its training method, system, identification method and system, which belongs to the technical field of freshness identification of black-haired pork. The residual network model comprises a plurality of residual modules, each of the residual modules comprises at least one coil layer and a pool layer in series, and the coiling layer is used for filtering the input black hairy image. The pool layer is used for further integration of the processed black meat pig image, and the input end and the output end of each residual module are connected. The adaptive network is connected with the residual module for identifying and classifying the black-haired pork image. The residual network model has the function of high-precision recognition of black-feather pork image; the training method and system can train the residual network model of high-precision recognition function; the recognition method and system use residual network model to recognize black-feather pork, and improve the recognition rate of freshness of black-feather pork image.
【技术实现步骤摘要】
残差网络模型及其训练方法、系统、识别方法及系统
本专利技术涉及黑毛猪肉的新鲜度识别
,具体地涉及一种基于残差网络和迁移学习的识别方法、系统及存储介质。
技术介绍
猪肉在存放过程中,由于本身酶的作用以及微生物的污染或宰杀前患病等原因,会造成猪肉自溶、腐败分解等变化,导致猪肉新鲜度下降。由于猪肉成分的分解,必然使其营养价值降低,而且无论是参与腐败的微生物及其毒素,还是腐败后形成的有毒分解产物,都可能引起人的中毒和疾病。猪肉的腐败变质是一渐进过程,变化复杂,还受到诸多因素的影响。因此如何准确快速地评定肉类的品质和安全性关系着消费者的健康和切身利益。现有技术中,猪肉品质的评价指标是颜色、质地、pH值、嫩度、新鲜度等,而新鲜度是评价肉品质和安全性的重要复杂的指标参数,其包含各种微生物、理化和生化特性。猪肉的主要成分,比如:蛋白质、脂肪和碳水化合物,被酶和细菌分解,产生气味;猪肉中的蛋白质将逐渐分解为氢,硫化物、氨、乙基硫醇等,产生包括组胺,酪胺,腐胺和色胺有毒小分子;脂肪会分解成醛类化合物和醛酸;碳水化合物会分解醇类、酮类、醛类、烃类和羧酸类酸性气体。在贮藏过程中,这些物质和其他碱性氮化合物一起会影响猪肉的颜色、纹理和形状特征。现有技术中判断猪肉新鲜度主要是依赖对猪肉的各项指标例如颜色、质地等进行检测,再根据预设的指标判断猪肉的新鲜度。这种方法虽然可以准确的判断猪肉的新鲜度,但是检测的方式复杂,依赖人为操作,难以实现自动化。
技术实现思路
本专利技术实施方式的目的是提供一种残差网络模型及其训练方法、系统、识别方法及系统。该残差网络模型相对于现有技术中的残差网络模型 ...
【技术保护点】
1.一种残差网络模型,用于黑毛猪肉图像的识别,其特征在于,所述残差网络模型包括:多个残差模块,每个所述残差模块包括串联的至少一个卷积层和一个池化层,所述卷积层用于对输入的黑毛猪肉图像进行滤波处理,所述池化层用于对处理后的所述黑毛猪肉图像进行进一步整合,每个所述残差模块的输入端和输出端连接;自适应网络,与所述残差模块连接,用于对所述黑毛猪肉图像进行识别和分类。
【技术特征摘要】
1.一种残差网络模型,用于黑毛猪肉图像的识别,其特征在于,所述残差网络模型包括:多个残差模块,每个所述残差模块包括串联的至少一个卷积层和一个池化层,所述卷积层用于对输入的黑毛猪肉图像进行滤波处理,所述池化层用于对处理后的所述黑毛猪肉图像进行进一步整合,每个所述残差模块的输入端和输出端连接;自适应网络,与所述残差模块连接,用于对所述黑毛猪肉图像进行识别和分类。2.根据权利要求1所述的残差网络模型,其特征在于,所述自适应网络的层数为3层。3.一种用于残差网络模型的训练方法,用于训练如权利要求1或2所述的残差网络模型,其特征在于,所述训练方法包括:预设一残差网络模型;采用预设的数据库对所述残差网络模型进行训练,初始化所述残差网络模型的参数和所述残差网络模型的各个变量的权重,其中,所述数据库包括至少一张猪肉的图像;将所述残差网络模型的全连接层和分类层的替换为自适应网络;将LReLU函数作为所述自适应网络的激活函数;采用预设的样本集再次训练所述残差网络模型,其中,所述样本集包括至少一张黑毛猪...
【专利技术属性】
技术研发人员:焦俊,王文周,侯金波,孙裴,乔焰,辜丽川,何屿彤,吴亚文,陈婧,
申请(专利权)人:安徽农业大学,安徽泓森物联网有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。