贝类产品分类识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种贝类产品分类识别方法及装置，该方法包括：根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；根据所述图像识别结果，对贝类产品进行分类；其中，所述BP神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。本发明专利技术实施例提供的贝类产品分类识别方法，根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果，并根据结果进行分类，提高了分类识别的效率和准确度。

Method and Device for Classification and Recognition of Shellfish Products

The embodiment of the present invention provides a method and device for classification and recognition of shellfish products. The method includes: extracting feature data from the image to be recognized according to the wavelet transform, inputting the extracted feature data into the trained BP neural network, and outputting the corresponding image recognition results; classifying shellfish products according to the image recognition results; among them, the BP neural network is the base. After training the sample data of different types of shellfish products and the pre-determined type labels, the sample data extracts the feature data according to the corresponding wavelet changes. The shellfish product classification and recognition method provided in the embodiment of the present invention extracts feature data from the image to be recognized according to the wavelet transform, inputs the extracted feature data into the trained BP neural network, outputs the corresponding image recognition results, and classifies according to the results, thus improving the efficiency and accuracy of classification and recognition.

【技术实现步骤摘要】
贝类产品分类识别方法及装置
本专利技术实施例涉及图像识别领域，尤其涉及一种贝类产品分类识别方法及装置。
技术介绍
贝类产品的养殖、运输及销售等环节均需进行贝类产品的分类处理，对贝类产品分类是对贝类产品进行深加工处理的基础。传统的分类方法主要依靠人工挑拣，此方法不仅效率低下准确度不高，而且实施过程中存在贝类产品损坏的风险。随着对贝类产品质量和产品生产效率要求的不断提高，需要更有效、更准确且更迅速的手段来完成贝类产品的分类工作，以提高生产的自动化程度。目前，基于Gabor特征的贝类图像分类识别算法研究提供一种贝类图像分类识别方法，该方法首先使用二维Gabor滤波器来提取出图像特定区域内多尺度、多方向空间频率的局部细微特征。再运用二维主成分分析对提取后的特征进行降维，将样本点从输入空间通过线性变换映射到一个低维空间，从而获得一个关于原数据集紧致的低维表示，最后采用核函数为径向基函数的支持向量机(SupportVectorMachine，简称SVM)模型进行分类识别。但是Gabor滤波器得到的特征不明显导致准确度不高，且特征提取需要对待处理的图像在其每个像素进行计算，从而导致图像特征维数过高，数据量过大带来较大的计算负担。因此，目前的贝类产品分类方法效率低且准确度不高。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种贝类产品分类识别方法及装置。第一方面，本专利技术提供一种贝类产品分类识别方法，包括：根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；根据所述图像识别结果，对贝类产品进行分类；其中，所述BP(backpropagation)神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。第二方面，本专利技术提供一种贝类产品分类识别装置，包括：处理模块，用于根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；输出模块，用于根据所述图像识别结果，对贝类产品进行分类；其中，所述BP神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面贝类产品分类识别方法的步骤。第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面贝类产品分类识别方法的步骤。本专利技术实施例提供的贝类产品分类识别方法，根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果，并根据结果进行分类，提高了分类识别的效率和准确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的贝类产品分类识别方法流程图；图2为本专利技术实施例提供的贝类产品分类识别装置结构图；图3为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于不同种类的贝类产品在市场价值以及营养价值方面都是有很大差别，对贝类产品分类是对贝类产品进行深加工处理的基础。以贝类为例，目前的分类方法存在效率低下，且准确度不高的问题。因此急需一种贝类产品的分类识别方法，以实现对毛蛤、黄蛤、丽文蛤、海虹和红扇贝等高效准确的识别和分类。为解决这一问题，本专利技术实施例提供一种贝类产品分类识别方法。该方法可应用于上述贝类产品分类识别场景，也可以用于其它海产品等产品的分类识别场景，本专利技术实施例对此不作具体限定。另外，该方法对应的执行主体可以为集成相应功能模块的计算机，也可以为独立设置的装置，本专利技术实施例对此也不作具体限定。为了便于说明，本专利技术实施例以执行主体为独立设置的分类识别装置为例，对本专利技术实施例提供的贝类产品分类识别方法进行阐述。图1为本专利技术实施例提供的贝类产品分类识别方法流程图，如图所示，本专利技术实施例提供一种贝类产品分类识别方法，包括：101，根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；102，根据所述图像识别结果，对贝类产品进行分类。其中，所述BP神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。小波变换是在傅里叶变换的基础上演变而来的，克服了傅里叶变换不能刻画时间域信号的局部特性、对突变和非平稳信号处理效果不好、没有时频分析等缺点。在模型的训练过程，以及分类识别的应用过程，均采用小波变换的分析方法提取特征。以小波分析的方法进行贝类图像特征提取，提取后的特征包含了原图像在相应尺度上的竖直、水平以及对角方向的细节信息，避免失真和特征信息不能准确反映图像信息的情况。BP神经网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中。即BP神经网络具有高度自学习和自适应的能力。将不同类型贝类产品的样本数据对BP神经网络进行训练，由于样本数据的类型标签是预先确定的，对于样本数据的特征进行学习并调整网络中的参数。待识别图像为根据待分类的贝类产品得到的图像数据，对于训练完毕的BP数据网络，将待识别图像中提取特征数据输入后，能够得出对应的类型标签。根据得出的类型标签，即图像识别得到的结果，即可进行贝类产品的分类处理操作。本专利技术实施例提供的贝类产品分类识别方法，根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果，并根据结果进行分类，提高了分类识别的效率和准确度。基于上述实施例的内容，作为一种可选实施例，根据小波变换从待识别图像中提取特征数据之前，还包括：通过分割算法提取所述待识别图像的主体对象，以实现主体对象与背景分离。为提高算法准确性，首先通过分割算法提取图像中的主体对象，实现图像主体与背景分离，防止图像背景对主体对象的分类造成干扰。基于上述实施例的内容，作为一种可选实施例，本专利技术实施例不对根据小波变换从待识别图像中提取特征数据作具体限定，包括但不限于：根据设置的阈值对所述待识别图像进行灰度化处理，利用小波变换提取灰度化处理后的图像局部特征得到多个含有局部特征的子图，对子图向量化提取特征数据。首先将去除背景的图像数据由设置的阈值进行灰度化处理，利用小波变换提取灰度图像的局部特征，将拥有全局特征的图像分解为多个含有图像局部特征的不同的频域子图，并提取各频本文档来自技高网...

【技术保护点】
1.一种贝类产品分类识别方法，其特征在于，包括：根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；根据所述图像识别结果，对贝类产品进行分类；其中，所述BP神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。

【技术特征摘要】
1.一种贝类产品分类识别方法，其特征在于，包括：根据小波变换从待识别图像中提取特征数据，将提取后的特征数据输入至训练好的BP神经网络，输出相应的图像识别结果；根据所述图像识别结果，对贝类产品进行分类；其中，所述BP神经网络是基于不同类型贝类产品的样本数据以及预先确定的类型标签进行训练后得到，所述样本数据根据相应的小波变化提取特征数据。2.根据权利要求1所述的方法，其特征在于，所述根据小波变换从待识别图像中提取特征数据之前，还包括：通过分割算法提取所述待识别图像的主体对象，以实现主体对象与背景分离。3.根据权利要求1所述的方法，其特征在于，所述根据小波变换从待识别图像中提取特征数据，包括：根据设置的阈值对所述待识别图像进行灰度化处理，利用小波变换提取灰度化处理后的图像局部特征得到多个含有局部特征的子图，对子图向量化提取特征数据。4.根据权利要求1所述的方法，其特征在于，所述将提取后的特征数据输入至训练好的BP神经网络之前，还包括：根据人工鱼群算法对所述BP神经网络设置初始参数，并对所述BP神经网络进行训练。5.根据权利要求4所述的方法，其特征在于，所述根据人工鱼群算法对所述BP神经网络设置初始参数，包括：将所述BP神经网络的所...

【专利技术属性】
技术研发人员：岳峻，赵启正，贾世祥，李振波，常丽荣，宋爱环，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：山东,37