一种基于深度神经网络的花生选芽方法及控制系统技术方案

本发明专利技术涉及花生选芽领域，公开了一种基于深度神经网络的花生选芽方法，包括：采集若干发芽花生的图像；根据花生发芽的程度对该图像进行标记并分类；通过分类后的图像对卷积神经网络模型进行训练；通过入料口投入发芽花生，通过CCD相机采集其下落时的图像；将该图像输入至训练好的卷积神经网络模型中，得到与其对应的标签；通过该标签控制剔除装置的吹气时间；收集分选后的发芽花生，得到分类后的发芽花生；基于深度神经网络的花生选芽方法的控制系统，图像采集模块、标签模块、显著性处理模块、神经网络模块、数据反馈模块、剔除模块均与控制器连接，可以将不同发芽程度的花生进行分类，选芽效率高，剔除不好的花生，效果佳，自动化程度高，减小人力。

A peanut bud selection method and control system based on deep neural network

【技术实现步骤摘要】
一种基于深度神经网络的花生选芽方法及控制系统
本专利技术涉及花生选芽领域，更具体地说，特别涉及一种基于深度神经网络的花生选芽方法及控制系统。
技术介绍
发芽的花生为坏的物料，需要剔除。因为花生在收获的时候遇到连续阴雨天气，花生不能及时干燥，导致花生发芽甚至霉变。霉变发芽的花生无法作为合格的花生食用，且会影响产品的卖相和口感。现有花生芽大多采用人工进行选芽，选芽效率低，成本高，且不能将不同发芽程度的花生进行分类。如何解决上述技术问题，成为亟待解决的难题。
技术实现思路
本专利技术的目的在于提供一种基于深度神经网络的花生选芽方法及控制系统，以解决
技术介绍
中提到的问题。为了达到上述目的，本专利技术采用的技术方案如下：一种基于深度神经网络的花生选芽方法，包括：S1、采集若干发芽花生的图像；S2、根据花生发芽的程度对该图像进行标记并分类；S3、通过分类后的图像对卷积神经网络模型进行训练；S4、通过入料口投入发芽花生，通过CCD相机采集其下落时的图像；S5、将该图像输入至训练好的卷积神经网络模型中，得到与其对应的本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的花生选芽方法，其特征在于，包括：/nS1、采集若干发芽花生的图像；/nS2、根据花生发芽的程度对该图像进行标记并分类；/nS3、通过分类后的图像对卷积神经网络模型进行训练；/nS4、通过入料口投入发芽花生，通过CCD相机采集其下落时的图像；/nS5、将该图像输入至训练好的卷积神经网络模型中，得到与其对应的标签；/nS6、通过该标签控制剔除装置的吹气时间，使不同标签的发芽花生落至不同的物料出口；/nS7、收集分选后的发芽花生，得到分类后的发芽花生。/n

【技术特征摘要】
1.一种基于深度神经网络的花生选芽方法，其特征在于，包括：
S1、采集若干发芽花生的图像；
S2、根据花生发芽的程度对该图像进行标记并分类；
S3、通过分类后的图像对卷积神经网络模型进行训练；
S4、通过入料口投入发芽花生，通过CCD相机采集其下落时的图像；
S5、将该图像输入至训练好的卷积神经网络模型中，得到与其对应的标签；
S6、通过该标签控制剔除装置的吹气时间，使不同标签的发芽花生落至不同的物料出口；
S7、收集分选后的发芽花生，得到分类后的发芽花生。


2.根据权利要求1所述的基于深度神经网络的花生选芽方法，其特征在于，所述步骤S1中发芽花生的图像同样通过CCD相机采集。


3.根据权利要求1所述的基于深度神经网络的花生选芽方法，其特征在于，所述步骤S1还可以包括对所述采集图像的预处理过程，该预处理过程采用无交互式图像分割方法处理所述图像，可实现发芽花生图像中目标区域的分割，形成发芽花生样本数据库。


4.根据权利要求1所述的基于深度神经网络的花生选芽方法，其特征在于，所述步骤S2中发芽花生...

【专利技术属性】
技术研发人员：徐道际，王斌，
申请(专利权)人：安徽宏实光机电高科有限公司，
类型：发明
国别省市：安徽;34