一种基于大理石花纹的生鲜肉分级方法、系统及装置制造方法及图纸

本发明专利技术实施例提供一种基于大理石花纹的生鲜肉分级方法、系统及装置。该方法包括获取生鲜肉的待分级图像；将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。系统用于执行上述方法，装置还包括图像采集单元和传送带；其中所述图像采集单元用来采集所述待分级图像，所述传送带用来传送待检测的生鲜肉。本发明专利技术实施例通过训练大量的图像样本，能够有效的减少因采集角度和光源带来的影响，提高分级效率和准确率，降低人工视觉评定主观性而产生的误差。

A classification method, system and device of fresh meat based on marbling

The embodiment of the invention provides a fresh meat grading method, system and device based on marbling. The method includes obtaining the image to be graded of fresh meat, inputting the image to be graded to the pre trained detection and grading model, and obtaining the detection and grading results outputted by the detection and grading model, wherein the detection and grading model is based on the sample set image of fresh meat and the grade label training obtained by classifying according to the marbling standard template. The system is used to perform the above method, and the device also includes an image acquisition unit and a conveyor belt, wherein the image acquisition unit is used to acquire the image to be graded, and the conveyor belt is used to transmit the fresh meat to be detected. By training a large number of image samples, the embodiment of the invention can effectively reduce the impact caused by the acquisition angle and light source, improve the classification efficiency and accuracy, and reduce the error caused by the subjectivity of artificial vision evaluation.

【技术实现步骤摘要】
一种基于大理石花纹的生鲜肉分级方法、系统及装置
本专利技术涉及图像分类
，尤其涉及一种基于大理石花纹的生鲜肉分级方法、系统及装置。
技术介绍
生鲜肉是我国肉制品消费的重要组成部分，人们的日常生活都离不开它。大理石花纹也叫脂肪杂交，指肌内脂肪的含量、分布的数量和均匀程度。大理石花纹是评价生鲜肉品质和口感的重要参数，是划分等级的一项重要指标。目前我国对生鲜肉质量分级的方法主要还是依赖人工视觉，通过对比标准板判定等级。而人工评判有很强的主观性，随着劳动时长的增加很容易会造成误判。机器视觉和图像处理技术的发展推进了人工智能的发展。传统的机器视觉技术通过人工提取特征，并加以算法来实现大理石花纹等级的判定。常用的特征参数为大理石花纹面积比值，脂肪颗粒个数和脂肪分布均匀度。机器视觉技术应用在大理石花纹分级方法上能加快生产效率，但是生产环境复杂多变，传统的机器视觉技术很容易受到光照条件以及拍摄角度的影响，且不具有学习能力。建立一种能快速准确，减小环境影响的分级方法仍是研究的难点，尤其是将设备小型化。因此，需要提出一种快速有效且精度高的分级方法，该方法能减少周围环境的干扰影响以及降低人工干预导致误差较大的影响。
技术实现思路
本专利技术实施例提供一种基于大理石花纹的生鲜肉分级方法、系统及装置，用以解决现有技术中需要依靠人工进行肉类分级，效率低下且易受周围环境干扰影响导致精度不高的问题。第一方面，本专利技术实施例提供一种基于大理石花纹的生鲜肉分级方法，包括：获取生鲜肉的待分级图像；将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。其中，所述检测分级模型，通过以下步骤获得：获取生鲜肉的样本集图像，并对所述样本集图像进行预处理，得到预处理样本集图像；按照大理石花纹标准样板对所述预处理样本集图像进行等级评定，得到所述等级标签；将标注对应等级标签的所述预处理样本集图像存放于若干个文件夹，生成用于训练的若干个数据集；获取卷积神经网络结构作为初始模型；将所述若干个数据集输入所述初始模型进行训练，得到所述检测分级模型。其中，所述获取生鲜肉的样本集图像，并对所述样本集图像进行预处理，得到预处理样本集图像，具体包括：采集生鲜肉的原始图像集，对所述原始图像集进行去噪声处理，得到初始预处理图像集；对所述初始预处理图像集进行压缩处理，将所述初始预处理图像集中的部分像素进行保存，得到所述预处理样本集图像。其中，所述卷积神经网络结构包括11层神经网络结构，其中包括4个卷积层，4个池化层和3个全连接层。其中，所述将所述若干个数据集输入所述初始训练模型进行训练，得到所述检测分级模型，具体包括：读取所述若干个数据集及其所述对应等级标签，生成队列；将所述队列输入所述初始模型，基于损失函数调整循环次数、权重初始值、训练批次大小和学习率大小，得到所述检测分级模型。其中，所述损失函数为交叉熵函数。第二方面，本专利技术实施例提供一种基于大理石花纹的生鲜肉分级系统，包括：获取模块，用于获取生鲜肉的待分级图像；分级处理模块，用于将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。第三方面，本专利技术实施例提供一种基于大理石花纹的生鲜肉分级装置，包括：如前所述的生鲜肉分级系统，还包括图像采集单元和传送带；其中所述图像采集单元用来采集所述待分级图像，所述传送带用来传送待检测的生鲜肉。第四方面，本专利技术实施例提供一种电子设备，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，所述处理器执行所述程序时实现任一项所述一种基于大理石花纹的生鲜肉分级方法的步骤。第五方面，本专利技术实施例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任一项所述一种基于大理石花纹的生鲜肉分级方法的步骤。本专利技术实施例提供的一种基于大理石花纹的生鲜肉分级方法、系统及装置，通过训练大量的图像样本，能够有效的减少因采集角度和光源带来的影响，提高分级效率和准确率，降低人工视觉评定主观性而产生的误差。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一种基于大理石花纹的生鲜肉分级方法流程图；图2为本专利技术实施例提供的检测分级模型生成流程图；图3为本专利技术实施例提供的一种基于大理石花纹的生鲜肉分级系统结构图；图4为本专利技术实施例提供的一种基于大理石花纹的生鲜肉分级装置示意图；图5为本专利技术实施例提供的电子设备的结构框图。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。现有技术中主要是依赖人工进行视觉判断，通过对比标准样板判定等级，具有主观性强、误差大的特点，即使通过应用机器视觉技术进行辅助检测，但仍受外界环境影响大，分级检测结果精度不高。本专利技术实施例提供了一种具有精度高，自主学习能力强的基于大理石花纹的分级检测方法。图1为本专利技术实施例提供的一种基于大理石花纹的生鲜肉分级方法流程图，如图1所示，包括：S1，获取生鲜肉的待分级图像；S2，将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。具体地，首先获取生鲜肉图像，再将获取的这些生鲜肉图像输入至检测分类模型中进行处理，实现自动分级，得到输出的检测分级结果，这里用到的检测分类模型是通过预先获取大量的生鲜肉样本集图像，对构建的神经网络模型进行训练，其中还引入按照大理石花纹的标准样板对样本集图像进行等级分类，再经过一系列的模型训练和调整来得到的。本专利技术实施例通过训练大量的图像样本，能够有效的减少因采集角度和光源带来的影响，提高分级效率和准确率，降低人工视觉评定主观性而产生的误差。在上述实施例的基础上，图2为本专利技术实施例提供的检测分级模型生成流程图，如图2所示，所述检测分级模型，通过以下步骤获得：101，获取生鲜肉的样本集图像本文档来自技高网...

【技术保护点】
1.一种基于大理石花纹的生鲜肉分级方法，其特征在于，包括：/n获取生鲜肉的待分级图像；/n将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。/n

【技术特征摘要】
1.一种基于大理石花纹的生鲜肉分级方法，其特征在于，包括：
获取生鲜肉的待分级图像；
将所述待分级图像输入至预先训练好的检测分级模型，获取所述检测分级模型输出的检测分级结果；其中所述检测分级模型，是基于生鲜肉的样本集图像，以及按照大理石花纹标准样板进行分类所得的等级标签训练得到的。


2.根据权利要求1所述的一种基于大理石花纹的生鲜肉分级方法，其特征在于，所述检测分级模型，通过以下步骤获得：
获取生鲜肉的样本集图像，并对所述样本集图像进行预处理，得到预处理样本集图像；
按照大理石花纹标准样板对所述预处理样本集图像进行等级评定，得到所述等级标签；
将标注对应等级标签的所述预处理样本集图像存放于若干个文件夹，生成用于训练的若干个数据集；
获取卷积神经网络结构作为初始模型；
将所述若干个数据集输入所述初始模型进行训练，得到所述检测分级模型。


3.根据权利要求2所述的一种基于大理石花纹的生鲜肉分级方法，其特征在于，所述获取生鲜肉的样本集图像，并对所述样本集图像进行预处理，得到预处理样本集图像，具体包括：
采集生鲜肉的原始图像集，对所述原始图像集进行去噪声处理，得到初始预处理图像集；
对所述初始预处理图像集进行压缩处理，将所述初始预处理图像集中的部分像素进行保存，得到所述预处理样本集图像。


4.根据权利要求2所述的一种基于大理石花纹的生鲜肉分级方法，其特征在于，所述卷积神经网络结构包括11层神经网络结构，其中包括4个卷积层，4个池化层和3个全连接层。


5.根据权利要求2...

【专利技术属性】
技术研发人员：彭彦昆，赵鑫龙，王亚丽，庄齐斌，沈柳杨，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11