基于深度学习的葡萄无损自动检测装置及其方法制造方法及图纸

本发明专利技术公开了一种基于深度学习的葡萄无损自动检测装置及其方法，涉及水果品质检测领域。本方法是①将待检测葡萄悬挂在电控旋转挂钩上，并进行编号；②启动相机采集软件；③启动电控轨道，对当前悬挂葡萄进行拍摄；④按照编号依次摘取每面4‑5颗葡萄，首先用游标卡尺对葡萄大小进行测量，其次用糖度检测仪器测量每颗葡萄糖度并记录实验数据；⑤采集图像完成后，对图像进行预处理和数据标注：⑥建立基于深度学习的回归模型；⑦通过深度学习模型算法，检测出葡萄的类别、糖度、尺寸、颜色和重量信息。本发明专利技术预测能力更强；保证水果样本的完整性，实现无损检测；提高工作效率，实时输出检测结果。

Grape nondestructive automatic detection device and method based on deep learning

【技术实现步骤摘要】
基于深度学习的葡萄无损自动检测装置及其方法
本专利技术涉及水果品质检测领域，尤其涉及一种基于深度学习的葡萄无损自动检测装置及其方法；具体地说是有针对性地设计了一种葡萄的自动检测装置，结合深度学习算法，形成一个完整的葡萄无损自动检测系统；对任意葡萄图像，同时检测出葡萄类别、糖度、重量、颜色等多项指标，实现葡萄无损、实时和精确的检测。
技术介绍
中国是世界葡萄主要生产国之一。近年来，我国的葡萄生产栽培面积和产量持续增加，现已成为世界上最大的葡萄生产国。农产品检测分级等方面的研究已有很多，多以传统的图像处理方法为主并且研究对象大多以苹果、番茄等形状规则的单果目标为研究对象；而对于葡萄，由于其形态的多样性，人工提取的特征往往很难对图像的形状、颜色和纹理进行很精确的表达；所以传统的图像处理方法还是存在一些局限性。随着互联网大数据时代的到来，深度学习技术具有较强的特征提取能力和泛化能力，不同于传统的特征提取方法，利用卷积神经网络可以自动提取图像的抽象特征，在图像处理领域表现优异。因此，将深度学习技术应用在葡萄检测方向，是一种新的尝试。...

【技术保护点】
1.一种基于深度学习的无损葡萄自动检测装置，其特征在于：/n包括被检测对象葡萄（0），设置有电控轨道（1）、电控旋转挂钩（2）、相机（3）、LED光源（4）、亮度调节旋钮（5）、电脑（6）、机箱（7）和控制面板（8）；/n其位置和连接关系是：/n在机箱（7）顶面设置有电控轨道（1），在电控轨道（1）上设置有电控旋转挂钩（2），在电控旋转挂钩（2）下悬挂有葡萄（0），在机箱内设置有相机（3）和LED光源（4），LED光源（4）正对葡萄（0），通过机箱（7）底部亮度调节旋钮（5）调节LED光源（4）的亮度，相机（3）摄取葡萄（0）的正面图像；/n在机箱（7）左上角设置有控制面板（8），控制面板（8...

【技术特征摘要】
1.一种基于深度学习的无损葡萄自动检测装置，其特征在于：
包括被检测对象葡萄（0），设置有电控轨道（1）、电控旋转挂钩（2）、相机（3）、LED光源（4）、亮度调节旋钮（5）、电脑（6）、机箱（7）和控制面板（8）；
其位置和连接关系是：
在机箱（7）顶面设置有电控轨道（1），在电控轨道（1）上设置有电控旋转挂钩（2），在电控旋转挂钩（2）下悬挂有葡萄（0），在机箱内设置有相机（3）和LED光源（4），LED光源（4）正对葡萄（0），通过机箱（7）底部亮度调节旋钮（5）调节LED光源（4）的亮度，相机（3）摄取葡萄（0）的正面图像；
在机箱（7）左上角设置有控制面板（8），控制面板（8）分别和电控轨道（1）、电控旋转挂钩（2）连接，控制面板（8）控制电控轨道（1）从左至右移动，控制电控旋转挂钩（2）旋转；
电脑（6）与相机（3）相连，记录相机（3）摄取葡萄（0）的图像，通过深度学习模型算法，检测出葡萄（0）的类别、糖度、尺寸、颜色和重量信息。


2.按权利要求1所述装置的基于深度学习的无损葡萄自动检测方法，其特征在于：
①将待检测葡萄悬挂在电控旋转挂钩上，并进行编号；
②通过数据线将相机和电脑相连，启动相...

【专利技术属性】
技术研发人员：罗俊，李秀，邱津怡，陈泽宇，江颖哲，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北;42