肉类检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种肉类检测方法，包括：采集待测肉类图像的高光谱图像；利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的待测热图；对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像；对所述待测语义分割图像进行肉类检测，得到肉类检测结果。本发明专利技术还公开了一种肉类检测装置、设备和存储介质。本发明专利技术替代人为检测，提高了肉类检测的效率。

Meat testing methods, devices, equipment and storage media

【技术实现步骤摘要】
肉类检测方法、装置、设备和存储介质
本专利技术涉及图像处理领域，尤其涉及一种肉类检测方法、装置、设备和存储介质。
技术介绍
肉类作为人类日常饮食中不可或缺的一类食品，可提供足够的蛋白质、维生素和矿物质来满足人类的健康需求。日常饮食中，猪肉、牛肉、羊肉等肉类由于蛋白质的含量比较高，深受消费者的欢迎。随着社会经济的发展，人们对肉类的需求越来越大，对于肉类的检测分拣也成为工业的重要一环。然而目前的肉类检测方式依然大量采用人为检测的方式，效率低的同时还造成了大量人力资源的浪费。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种肉类检测方法、装置、设备和存储介质，旨在解决人为进行肉类检测的效率低的技术问题。为实现上述目的，本专利技术提供一种肉类检测方法，包括：采集待测肉类图像的高光谱图像；利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的待测热图；对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像；对所述待测语义分割图像进行肉类检测，得到肉类检测结果。可选地，所述利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的热图，作为待测热图的步骤之后，所述肉类检测方法还包括：利用反卷积网络将所述待测热图放大至与所述高光谱图像的大小一致，根据大小与所述高光谱图像一致的待测热图执行所述对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像的步骤。可选地，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：将所述待测语义分割图像与标准肉类图像集进行匹配，获得匹配结果；根据所述匹配结果获取所述待测肉类图像对应的肉类类别，将所述肉类类别作为肉类检测结果。可选地，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：根据所述待测语义分割图像内各像素点的参数，按照预设规则将所述待测语义分割图像划分为多个类别的区域子图；计算各类别对应的区域子图的面积之和与所述待测语义分割图像的面积的比例，作为各类别的面积占比；根据各类别的面积占比，判断所述待测肉类图像所对应的肉类类别，将所述肉类类别作为肉类检测结果。可选地，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：利用肉类分类模型，对所述待测语义分割图像进行肉类检测，得到肉类检测结果。可选地，所述利用肉类分类模型，对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤之前，所述肉类检测方法还包括：获取由已分类的语义分割训练图像构成的训练集；利用所述训练集对预设机器学习模型进行训练，得到肉类分类模型。可选地，所述利用所述训练集对预设机器学习模型进行训练，得到肉类分类模型的步骤，具体包括：利用所述训练集对所述预设机器学习模型进行训练，得到中间模型；获取由已分类的语义分割测试图像构成的测试集；利用所述中间模型对所述测试集进行肉类检测，获得肉类检测的测试结果；利用所述测试结果和所述测试集的分类信息，对所述中间模型的模型参数进行调整，得到肉类分类模型。此外，为实现上述目的，本专利技术还提供一种肉类检测装置，所述肉类检测装置包括：采集模块，用于采集待测肉类图像的高光谱图像；卷积处理模块，用于利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的热图，作为待测热图；语义分割模块，用于对所述待测热图进行语义分割处理，得到所述待测热图的语义分割图像，作为待测高光谱图像；检测模块，用于对所述待测语义分割图像进行肉类检测，得到肉类检测结果。此外，为实现上述目的，本专利技术还提供一种肉类检测设备，所述肉类检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肉类检测程序，所述肉类检测程序被所述处理器执行时实现如上述的肉类检测方法的步骤。此外，为实现上述目的，本专利技术还提供一种存储介质，所述存储介质上存储有肉类检测程序，所述肉类检测程序被处理器执行时实现如上述的肉类检测方法的步骤。本专利技术实施例提出的一种肉类检测方法、装置、设备和存储介质，通过采集待测肉类图像的高光谱图像，利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的待测热图，对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像，然后对所述待测语义分割图像进行肉类检测，得到肉类检测结果，以替代人为检测，能够简单快速精确的对肉类进行检测。附图说明图1为本专利技术实施例方案涉及的硬件运行环境的终端结构示意图；图2为本专利技术肉类检测方法实施例的流程示意图；图3为图2中本专利技术肉类检测方法实施例的步骤S208的细化流程示意图；图4为图2中本专利技术肉类检测方法实施例的步骤S208的另一细化流程示意图；图5为图2中本专利技术肉类检测方法实施例的步骤S208之前的步骤流程示意图；图6为图5中本专利技术肉类检测方法实施例的步骤S504的细化流程示意图；图7为本专利技术肉类检测装置实施例的结构框图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、便携计算机等具有显示功能的可移动式终端设备。如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地，终端还可以包括摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可本文档来自技高网...

【技术保护点】
1.一种肉类检测方法，其特征在于，所述肉类检测方法包括以下步骤：/n采集待测肉类图像的高光谱图像；/n利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的待测热图；/n对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像；/n对所述待测语义分割图像进行肉类检测，得到肉类检测结果。/n

【技术特征摘要】
1.一种肉类检测方法，其特征在于，所述肉类检测方法包括以下步骤：
采集待测肉类图像的高光谱图像；
利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的待测热图；
对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像；
对所述待测语义分割图像进行肉类检测，得到肉类检测结果。


2.如权利要求1所述的肉类检测方法，其特征在于，所述利用全卷积网络对所述高光谱图像进行卷积处理，得到所述高光谱图像的热图，作为待测热图的步骤之后，所述肉类检测方法还包括：
利用反卷积网络将所述待测热图放大至与所述高光谱图像的大小一致，根据大小与所述高光谱图像一致的待测热图执行所述对所述待测热图进行语义分割处理，得到所述待测热图的待测语义分割图像的步骤。


3.如权利要求1所述的肉类检测方法，其特征在于，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：
将所述待测语义分割图像与标准肉类图像集进行匹配，获得匹配结果；
根据所述匹配结果获取所述待测肉类图像对应的肉类类别，将所述肉类类别作为肉类检测结果。


4.如权利要求1所述的肉类检测方法，其特征在于，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：
根据所述待测语义分割图像内各像素点的参数，按照预设规则将所述待测语义分割图像划分为多个类别的区域子图；
计算各类别对应的区域子图的面积之和与所述待测语义分割图像的面积的比例，作为各类别的面积占比；
根据各类别的面积占比，判断所述待测肉类图像所对应的肉类类别，将所述肉类类别作为肉类检测结果。


5.如权利要求1所述的肉类检测方法，其特征在于，所述对所述待测语义分割图像进行肉类检测，得到肉类检测结果的步骤，具体包括：
利用肉类分类模型，...

【专利技术属性】
技术研发人员：李雅琴，朱明明，袁操，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42