一种农产品品质状态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了一种农产品品质状态识别方法及装置，所述方法包括：获取目标农产品的图像；对图像进行识别，确定目标农产品的目标种类；根据目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络；通过第一卷积神经网络，识别出目标农产品的品质状态信息，品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种。通过第一卷积神经网络能够准确的自动确定出各种目标农产品的品质状态信息，使得用户在选购各类农产品，能够更好的了解所选购的农产品的品质状态，大大提高了用户的消费体验。

A Method and Device for Identifying Quality Status of Agricultural Products

The embodiment of the present invention provides a method and device for identifying the quality status of agricultural products, which includes: acquiring the image of the target agricultural products; identifying the image to determine the target type of the target agricultural products; determining the first convolution neural network matching the target type according to the target type of the target agricultural products; and identifying the target through the first convolution neural network. The quality status information of standard agricultural products includes at least one or more of the following information: maturity of agricultural products, pests and diseases of agricultural products, and varieties of agricultural products. The first convolution neural network can accurately and automatically determine the quality status information of various target agricultural products, so that users can better understand the quality status of the selected agricultural products and greatly improve the consumer experience.

【技术实现步骤摘要】
一种农产品品质状态识别方法及装置
本专利技术涉及图像处理
，特别是涉及一种农产品品质状态识别方法及装置。
技术介绍
随着人们生活水平的日益提高，大量各种不同品种的农产品进入到人们的日常生活中。例如，各种新的水果及蔬菜等等。同时，随着人们对生活质量的要求越来越高，人们对平时所购买的水果、蔬菜等农产品的品质要求也越来越高。然而，对于大部分普通消费者而言，其并不具有专业的农产品知识。所以在选购各类水果、蔬菜等农产品时，往往不能识别出或挑选出状态较好或品质较佳的农产品。尤其在挑选个别新型的农产品时，往往不容易判断出该农产品的品质状态，例如，在挑选新品种的水果时，不能准确的判断出该水果的成熟度或者是否存在病虫害等情况。所以，如何让不具有专业知识的普通消费者，能够准确的确定出所选购的农产品的品质状态，就成为了一个亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供一种农产品品质状态识别方法及装置，能够实现对农产品的品质状态的自动识别。具体技术方案如下：本专利技术实施例提供了一种农产品品质状态识别方法，包括：获取目标农产品的图像；对所述图像进行识别，确定所述目标农产品的目标种类；根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。可选的，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：将所述图像输入第二卷积神经网络，所述第二卷积神经网络为经过深度学习的方法训练得到的，用于识别农产品种类的卷积神经网络；通过所述第二卷积神经网络，确定所述目标农产品的目标种类。可选的，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：从所述图像中提取出所述目标农产品的目标图像；对所述目标图像进行识别，确定出所述目标农产品的目标种类。可选的，所述通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息，包括：将所述目标图像输入所述第一卷积神经网络；通过所述第一卷积神经网络对所述目标图像进行识别，确定出所述目标农产品的所述品质状态信息。可选的，所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，包括：根据所述目标农产品的目标种类，从预设的针对不同种类农产品的多个卷积神经网络中，确定出与所述目标种类相匹配的第一卷积神经网络。可选的，所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，包括：所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的多个第一卷积神经网络，所述多个第一卷积神经网络分别为识别不同所述品质状态信息的第一卷积神经网络。可选的，在所述识别出所述目标农产品的所述品质状态信息之后，所述方法还包括：根据所述品质状态信息，获取与所述品质状态信息相匹配的关联信息，所述关联信息至少包括以下信息中的一种或多种：食用建议、存储方法、品种信息。本专利技术实施例还提供了一种农产品品质状态识别装置，包括：获取模块，用于获取目标农产品的图像；第一识别模块，用于对所述图像进行识别，确定所述目标农产品的目标种类；匹配模块，用于根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；第二识别模块，用于通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。可选的，所述第一识别模块，具体用于：将所述图像输入第二卷积神经网络，所述第二卷积神经网络为经过深度学习的方法训练得到的，用于识别农产品种类的卷积神经网络；通过所述第二卷积神经网络，确定所述目标农产品的目标种类。可选的，所述第一识别模块，具体用于：从所述图像中提取出所述目标农产品的目标图像；对所述目标图像进行识别，确定出所述目标农产品的目标种类。可选的，所述第二识别模块，具体用于：将所述目标图像输入所述第一卷积神经网络；通过所述第一卷积神经网络对所述目标图像进行识别，确定出所述目标农产品的所述品质状态信息。可选的，所述匹配模块，具体用于：根据所述目标农产品的目标种类，从预设的针对不同种类农产品的多个卷积神经网络中，确定出与所述目标种类相匹配的第一卷积神经网络。可选的，所述匹配模块，具体用于：所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的多个第一卷积神经网络，所述多个第一卷积神经网络分别为识别不同所述品质状态信息的第一卷积神经网络。可选的，所述装置还包括：关联模块，用于根据所述品质状态信息，获取与所述品质状态信息相匹配的关联信息，所述关联信息至少包括以下信息中的一种或多种：食用建议、存储方法、品种信息。本专利技术实施例提供的一种农产品品质状态识别方法及装置，可以获取目标农产品的图像，并对该图像进行识别从而确定出目标农产品的目标种类。再根据目标种类确定出相匹配的第一卷积神经网络，通过第一卷积神经网络对目标农产品的图像进行识别，从而可以准确的自动确定出各种目标农产品的品质状态信息，使得用户在选购各类农产品，尤其是新型品种的或者不常见的农产品时，能够更好的了解所选购的农产品的品质状态，大大提高了用户的消费体验。避免商家以次充好，欺骗消费者，保证了消费者权益。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。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简单地介绍，显而易见地，下面描述中的附图仅仅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农产品品质状态识别方法的流程图；图2为本专利技术实施例提供的农产品品质状态识别装置的结构图。具体实施方式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，所描述的实施例仅仅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做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。参见图1，图1为本专利技术实施例提供的农产品品质状态识别方法的流程图，其中包括：步骤110，获取目标农产品的图像。本专利技术实施例可以应用于各类电子设备，例如，手机、计算机、服务器、以及服务器所构成的云平台等等。电子设备可以通过多种方式获取目标农产品的图像，例如，通过电子设备的摄像头等部件对目标农产品进行拍摄，从而获得目标农产品的图像。或者也可以通过其他方式，将目标农产品的图像输入或传输至电子设备。例如，电子设备为服务器时，用户通过手机拍摄目标农产品的图像，然后可以将该图像传输至服务器。其中，目标农产品是指用户需要了解其品质状态的农产品，例如，在一个实际的应用场景中，用户在选购农产品的，用户感兴趣的，或者用户不熟悉的新型的水果、蔬菜等农产品，均本文档来自技高网...

【技术保护点】
1.一种农产品品质状态识别方法，其特征在于，包括：获取目标农产品的图像；对所述图像进行识别，确定所述目标农产品的目标种类；根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。

【技术特征摘要】
1.一种农产品品质状态识别方法，其特征在于，包括：获取目标农产品的图像；对所述图像进行识别，确定所述目标农产品的目标种类；根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。2.根据权利要求1所述的方法，其特征在于，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：将所述图像输入第二卷积神经网络，所述第二卷积神经网络为经过深度学习的方法训练得到的，用于识别农产品种类的卷积神经网络；通过所述第二卷积神经网络，确定所述目标农产品的目标种类。3.根据权利要求1或2所述的方法，其特征在于，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：从所述图像中提取出所述目标农产品的目标图像；对所述目标图像进行识别，确定出所述目标农产品的目标种类。4.根据权利要求3所述的方法，其特征在于，所述通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息，包括：将所述目标图像输入所述第一卷积神经网络；通过所述第一卷积神经网络对所述目标图像进行识别，确定出所述目标农产品的所述品质状态信息。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，包括：根据所述目标农产品的目标种类，从预设的针对不同种类农产品的多个卷积神经网络中，确定出与所述目标种类相匹配的第一卷积神经网络。6.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：张文静，
申请(专利权)人：西安财经学院，
类型：发明
国别省市：陕西,61