一种基于无监督深度学习的水果分级筛选方法技术

本发明专利技术提出了一种基于无监督深度学习的水果分级筛选方法，包括以下步骤：水果图像采集：通过CCD摄像头和DSP视频处理系统构成的机器采集模块采集等预设量不同外部特征规格的样本水果的图片；该基于无监督深度学习的水果分级筛选方法，能够有效的将水果按优劣品质逐级筛选出来，能够有效的降低人工成本，能够充分提取水果图像特征，实现优次水果分类识别输出，可以确保特征向量在映射到不同特征空间时，能够尽可能多的保留特征信息，有效克服了由于随机初始化权值参数而导致的训练时间长、局部最优问题，从而有效逐级区分优质和劣质水果，可靠性高，筛选准确性高。

A method of fruit grading and selection based on unsupervised deep learning

【技术实现步骤摘要】
一种基于无监督深度学习的水果分级筛选方法
本专利技术涉及水果筛选方法
，具体为一种基于无监督深度学习的水果分级筛选方法。
技术介绍
深度学习就是一种特征学习方法，把原始数据通过一些简单的但是非线性的模型转变成为更高层次的，更加抽象的表达，通过足够多的转换的组合，非常复杂的函数也可以被学习，在水果的筛选方法应用中，存在诸多问题，不能够有效的将优质水果逐级筛选出来，人工成本较高，即使少数具备智能水果筛选设备也存在不足之处，不能够充分提取水果图像特征从而实现优次水果分类识别输出，无法确保特征向量在映射到不同特征空间时能够尽可能多的保留特征信息，无法克服了由于随机初始化权值参数而导致的训练时间长、局部最优问题，从而不能有效逐级区分优质和劣质水果，可靠性较低，筛选准确性不高，因此能够解决此类问题的一种基于无监督深度学习的水果分级筛选方法的实现势在必行。
技术实现思路
本专利技术要解决的技术问题是克服现有的缺陷，提供一种基于无监督深度学习的水果分级筛选方法，能够有效的将水果按优劣品质逐级筛选出来，能够有效的降低人工成本，能够充分提本文档来自技高网...

【技术保护点】
1.一种基于无监督深度学习的水果分级筛选方法，其特征在于，包括以下步骤：/nS1)水果图像采集：通过CCD摄像头和DSP视频处理系统构成的机器采集模块采集等预设量不同外部特征规格的样本水果的图片；/nS2)水果图像预处理：对每张图片进行中心化和尺寸标准化的归一化处理预处理操作，对原始图像进行滤波处理，通过中值滤波实现图像去噪，以减小原始图像的噪声，对滤波后的图像进行灰度化，每张图像均被处理为大小为32cm×32cm，并保证图像特征向量维数与输入层的随机单元数相同，输出层的输出单元个数可与待分类数据样本的类别数相同，得到图像的特征向量；/nS3)无监督训练：采用贪婪无监督学习算法对各层受限玻尔兹...

【技术特征摘要】
1.一种基于无监督深度学习的水果分级筛选方法，其特征在于，包括以下步骤：
S1)水果图像采集：通过CCD摄像头和DSP视频处理系统构成的机器采集模块采集等预设量不同外部特征规格的样本水果的图片；
S2)水果图像预处理：对每张图片进行中心化和尺寸标准化的归一化处理预处理操作，对原始图像进行滤波处理，通过中值滤波实现图像去噪，以减小原始图像的噪声，对滤波后的图像进行灰度化，每张图像均被处理为大小为32cm×32cm，并保证图像特征向量维数与输入层的随机单元数相同，输出层的输出单元个数可与待分类数据样本的类别数相同，得到图像的特征向量；
S3)无监督训练：采用贪婪无监督学习算法对各层受限玻尔兹曼机进行自底向上的逐层训练，使用无优次的水果签样本集，每次只训练一层受限玻尔兹曼机的方式，并逐层初始化化网络参数，使用训练样本对深度信...

【专利技术属性】
技术研发人员：吴涵标，
申请(专利权)人：惠州市微米立科技有限公司，
类型：发明
国别省市：广东;44