一种基于深度学习的蓝莓果实中总糖含量的无损检测方法技术

本发明专利技术公开了一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，该方法利用深度学习对蓝莓果实进行分类，提高了蓝莓果实品检测的准确性和效率，包括以下步骤：首先采集不同成熟时期的蓝莓果实，并测定了蓝莓的花青苷含量和总糖含量，然后建立基于花青苷与蓝莓图像相关性的果皮色素含量预测网络SPCPN，并建立基于花青苷与总糖相关的果实内在品质预测网络FIQPN，最后，将果皮色素含量预测网络和果实内在品质预测网络合并到蓝莓品质参数预测网络BQPPN中，经外部验证后，网络对蓝莓果实总糖含量的预测大于94％，具有无损、效率高、准确率高、便捷和结果稳定的优点。

A nondestructive detection method of total sugar content in blueberry fruit based on deep learning

【技术实现步骤摘要】
一种基于深度学习的蓝莓果实中总糖含量的无损检测方法
本专利技术属于水果糖含量智能检测
，具体涉及一种基于深度学习的蓝莓果实中总糖含量的无损检测方法。
技术介绍
随着人们生活水平的提升，蓝莓因其独特风味及较强的营养保健功能而备受关注和青睐。蓝莓原产北美，中国栽培历史短，但增长速度很快，到2012年已达2万余公顷。中国蓝莓目前以出口为主，随着每年投放到国外市场的比例增加，对蓝莓果实品质的要求也逐渐提高，而仅凭人工肉眼进行产品分级存在很多局限性，并且传统的果实品质检测多采用化学实验方法，一般在实验室内进行，该方法需要对果实进行破碎后逐一检测，费时、费力，检测效率低，往往检测的样本数量有限，难保证抽样的代表性，从而无法实现快速无损检测。而蓝莓果实品质的分级与果实中总糖含量的多少息息相关。目前，国内外有关蓝莓果实中总糖含量无损检测的研究多集中多采用近红外光检测技术且已经趋于成熟，但未见运用深度学习对蓝莓果实中总糖含量进行检测的案例，主要原因是传统计算机视觉方法在深度学习之前没有突破性的进展，在果实的品质检测方面运用计算机视觉方法精度非常受限本文档来自技高网...

【技术保护点】
1.一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，其特征在于，包括以下步骤：/n(1)采摘从蓝莓果实着色期至完全成熟期的蓝莓样本，取样N次，同时采集每时期采摘前蓝莓果实的彩色图像信息，备用；/n(2)测定步骤(1)中采摘的不同时期蓝莓果皮中的花青苷含量和可溶性固形物含量并记录；/n(3)调整步骤(1)拍摄的图片的分辨率，作为训练样本，在图像的训练和测试过程中，对输入果皮色素含量预测网络中的图像数据进行处理；/n(4)利用框标记脚本对步骤(3)处理好的图片进行框标记，然后用测量的每个时期花青苷的平均值分别对相应时期的图片进行打标签，构建BFNE数据集，并将其分为训练数据集和测试数据集两部分...

【技术特征摘要】
1.一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，其特征在于，包括以下步骤：
(1)采摘从蓝莓果实着色期至完全成熟期的蓝莓样本，取样N次，同时采集每时期采摘前蓝莓果实的彩色图像信息，备用；
(2)测定步骤(1)中采摘的不同时期蓝莓果皮中的花青苷含量和可溶性固形物含量并记录；
(3)调整步骤(1)拍摄的图片的分辨率，作为训练样本，在图像的训练和测试过程中，对输入果皮色素含量预测网络中的图像数据进行处理；
(4)利用框标记脚本对步骤(3)处理好的图片进行框标记，然后用测量的每个时期花青苷的平均值分别对相应时期的图片进行打标签，构建BFNE数据集，并将其分为训练数据集和测试数据集两部分；
(5)将人工标记的边界框作为标记信息输入到果皮色素含量预测网络中训练，提取特征后，产生相应的边界框，将边界框的相关信息映射为原图的特征图并转化为高维特征向量，通过非极大值抑制减少最终框数目，而产生的分类结果会和框数据相互增益做最终的分类和回归，最终的框回归将最终的蓝莓框出来，将回归得到的框与人工标记的边界框求取误差，预测含量与标签含量信息作比较，得到预测的误差，并将误差反向传播调整网络参数，在训练数据集上微调整个网络，在测试数据集上测试最终的结果；
(6)将果皮色素含量预测网络输出的高维特征向量作为总糖含量判断的特征，通过果实内在品质预测网络输出最终的总糖的信息，并与初始的总糖标记含量进行比较，得到最终的误差并进行反向传播微调网络参数，在训练数据集上微调...

【专利技术属性】
技术研发人员：牟昌红，袁泽斌，欧阳秀琴，王波，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32