一种基于水果识别算法的相机色彩自动优化方法及装置制造方法及图纸

本发明专利技术涉及一种基于水果识别算法的相机色彩自动优化方法及装置，方法包括读取训练图像并进行图像处理和图像特征提取，获取训练特征数据；将训练特征数据作为输入变量，水果名称作为输出变量，构建水果识别模型并进行训练；读取目标图像并进行图像处理和图像特征提取，获取目标特征数据；将目标特征数据输入训练后的水果识别模型进行识别；根据识别结果对目标图像进行暖色调和饱和度的增强处理。本发明专利技术利用训练后的水果识别模型对目标图像对应的特征数据进行识别，即可精确识别出水果名称，识别方法中图像处理过程与识别过程相互独立，然后根据识别结果对目标图像进行暖色调和饱和度增强处理，使目标图像的颜色更浓烈、鲜艳，增加食欲。

【技术实现步骤摘要】
一种基于水果识别算法的相机色彩自动优化方法及装置
本专利技术涉及图像识别处理，尤其涉及一种基于水果识别算法的相机色彩自动优化方法及装置。
技术介绍
如何准确快速的进行图像识别一直是各国学者研究的重要课题。水果图像的识别在智慧产业和数字医疗领域都有重要的地位。在智慧农业方面，通过对水果的识别可以实现对复合型果园的果树进行精准培育以及水果的自动化采摘；在数字医疗领域，进行水果识别主要用来辅助后期水果营养成分的分析。而如何对水果进行快速准确识别是这些工作的关键。现有技术中水果识别的算法有SURF算法、HALCON算法等，其能够对大部分水果进行有效的识别分类,但是，这些水果识别算法的图像识别过程与图像处理过程之间的关系非常密切，互相交错，很难把它们截然分开，再有光照、复杂背景的影响，对特征非常相近的水果的识别就比较难分辨出来。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于水果识别算法的相机色彩自动优化方法及装置。本专利技术解决上述技术问题的技术方案如下：一种基于水果识别算法的相机色彩自动优化方法，包括如下步骤：读取训练图像并进行图像处理，对经过图像处理后的训练图像进行图像特征提取处理，获取训练特征数据；构建基于BP神经网络的的水果识别模型，并采用所述训练特征数据对所述水果识别模型进行训练；读取目标图像并进行图像处理，对经过图像处理后的目标图像进行图像特征提取处理，获取目标特征数据；将所述目标特征数据输入训练完成的所述水果识别模型进行识别，得到对应的识别结果；根据所述识别结果对所述目标图像进行暖色调和饱和度的增强处理。本专利技术的有益效果是：本专利技术提供了一种基于水果识别算法的相机色彩自动优化方法，预先对训练图像和目标图像进行图像处理，提取对应的特征数据信息，再通过构建BP神经网络，并采用大量训练图像对BP神经网络进行训练，然后利用训练后的BP神经网络对目标图像对应的特征数据信息进行识别，即可精确识别出水果名称且图像处理过程与识别过程相互独立，最后根据识别结果对目标图像进行暖色调和饱和度的增强处理，这样使得目标图像的颜色更加浓烈、鲜艳，增加食欲感。在上述技术方案的基础上，本专利技术还可以做如下改进：进一步技术方案中，所述读取训练图像并进行图像处理包括如下步骤：读取所述训练图像，并将所述训练图像转换为数字图像；对所述数字图像进行去燥和对比度增强处理；对经过去燥和对比度增强处理后的所述数字图像进行二值化处理，得到黑白图像；对所述黑白图像中的像素进行标签化处理，以完成对所述训练图像的图像处理。上述进一步方案的有益效果是：通过对所述训练图像进行数字化转换，可以方便计算机识别，从而进行后续处理；通过进行去燥和对比度增强处理，可以提高识别精度；通过标签化处理，可以方便将所有的像素进行分离，这样可以针对不同像素来提取各自的特征信息。进一步技术方案中，所述将黑白图像中的像素进行标签化处理具体包括如下步骤：读取所述黑白图像中每个像素的RGB值，如果不同像素的RGB值位于同一色域内，则确定不同像素之间相互连接，否则确定不同像素之间断开；对相互连接的不同像素标记相同的标签，并完成所述黑白图像中像素的标签化处理。上述进一步方案的有益效果是：通过判断不同像素之间相互连接还是断开，可以将各个相互连接的像素进行分离，从而可以便于后续分别提取各自像素的特征数据信息。进一步技术方案中，对所述训练特征数据进行归一化处理，并将归一化处理后的所述训练特征数据作为所述水果识别模型的输入变量进行训练；所述获取目标特征数据后，还包括如下步骤：对所述目标特征数据进行归一化处理，并将归一化处理后的所述目标特征数据输入训练完成的所述水果识别模型进行识别。上述进一步方案的有益效果是：由于采集的目标特征数据和训练特征数据中的每个变量之间的单位并不统一，数量级也存在差异，通过对训练特征数据和目标特征数据进行归一化处理，将其转换为无量纲量，以消除其单位和量纲的差异，减少训练时间，避免无法收敛的情况，从而提高训练效率和精度，然后识别之后进行反归一化，即可匹配得到识别结果。本专利技术还提供了一种基于水果识别算法的相机色彩自动优化装置，包括图像处理模块、训练模块、神经网络识别模块和后处理模块；所述图像处理模块，用于读取训练图像并进行图像处理，对经过图像处理后的训练图像进行图像特征提取处理，获取训练特征数据；以及用于读取目标图像并进行图像处理，对经过图像处理后的目标图像进行图像特征提取处理，获取目标特征数据；所述训练模块，用于构建基于BP神经网络的的水果识别模型，并采用所述训练特征数据对所述水果识别模型进行训练；所述神经网络识别模块，用于将所述目标特征数据输入训练完成的所述水果识别模型进行识别，得到对应的识别结果；所述后处理模块，用于根据所述识别结果对所述目标图像进行暖色调和饱和度的增强处理。本专利技术提供了一种基于水果识别算法的相机色彩自动优化装置，预先对训练图像和目标图像进行图像处理，提取对应的特征数据信息，再通过构建BP神经网络，并采用大量训练图像对BP神经网络进行训练，然后利用训练后的BP神经网络对目标图像对应的特征数据信息进行识别，即可精确识别出水果名称且图像处理过程与识别过程相互独立，最后根据识别结果对目标图像进行暖色调和饱和度的增强处理，这样使得目标图像的颜色更加浓烈、鲜艳，增加食欲感。在上述技术方案的基础上，本专利技术还可以做如下改进：进一步技术方案中，所述图像处理模块具体包括转换单元、增强单元、二值化单元和标签化单元，所述转换单元用于读取所述训练图像和所述目标图像，并将所述训练图像和所述目标图像转换为数字图像；所述增强单元用于对所述数字图像和所述目标图像进行去燥和对比度增强处理；所述二值化单元用于对经过去燥和对比度增强处理后的所述数字图像和所述目标图像进行二值化处理，得到对应的黑白图像；所述标签化单元用于对所述黑白图像中的像素进行标签化处理，以完成对所述训练图像和所述目标图像的图像处理。上述进一步方案的有益效果是：通过对所述训练图像进行数字化转换，可以方便计算机识别，从而进行后续处理；通过进行去燥和对比度增强处理，可以提高识别精度；通过标签化处理，可以方便将所有的像素进行分离，这样可以针对不同像素来提取各自的特征信息。进一步技术方案中，所述标签化单元具体包括：判断单元，用于读取所述黑白图像中每个像素的RGB值，如果不同像素的RGB值位于同一色域内，则确定不同像素之间相互连接，否则确定不同像素之间断开；标记单元，用于对相互连接的不同像素标记相同的标签，并完成所述黑白图像中像素的标签化处理。上述进一步方案的有益效果是：通过判断不同像素之间相互连接还是断开，可以将各个相互连接的像素进行分离，从而可以便于后续分别提取各自像素的特征数据信息。进一步技术方案中，所述图像处理模块还包括本文档来自技高网...

【技术保护点】
1.一种基于水果识别算法的相机色彩自动优化方法,其特征在于，包括如下步骤：/n读取训练图像并进行图像处理，对经过图像处理后的训练图像进行图像特征提取处理，获取训练特征数据；/n构建基于BP神经网络的的水果识别模型，并采用所述训练特征数据对所述水果识别模型进行训练；/n读取目标图像并进行图像处理，对经过图像处理后的目标图像进行图像特征提取处理，获取目标特征数据；/n将所述目标特征数据输入训练完成的所述水果识别模型进行识别，得到对应的识别结果；/n根据所述识别结果对所述目标图像进行暖色调和饱和度的增强处理。/n

【技术特征摘要】
1.一种基于水果识别算法的相机色彩自动优化方法,其特征在于，包括如下步骤：
读取训练图像并进行图像处理，对经过图像处理后的训练图像进行图像特征提取处理，获取训练特征数据；
构建基于BP神经网络的的水果识别模型，并采用所述训练特征数据对所述水果识别模型进行训练；
读取目标图像并进行图像处理，对经过图像处理后的目标图像进行图像特征提取处理，获取目标特征数据；
将所述目标特征数据输入训练完成的所述水果识别模型进行识别，得到对应的识别结果；
根据所述识别结果对所述目标图像进行暖色调和饱和度的增强处理。


2.根据权利要求1所述的基于水果识别算法的相机色彩自动优化方法,其特征在于，所述读取训练图像并进行图像处理包括如下步骤：
读取所述训练图像，并将所述训练图像转换为数字图像；
对所述数字图像进行去燥和对比度增强处理；
对经过去燥和对比度增强处理后的所述数字图像进行二值化处理，得到黑白图像；
对所述黑白图像中的像素进行标签化处理，以完成对所述训练图像的图像处理。


3.根据权利要求2所述的基于水果识别算法的相机色彩自动优化方法,其特征在于，所述将黑白图像中的像素进行标签化处理具体包括如下步骤：
读取所述黑白图像中每个像素的RGB值，如果不同像素的RGB值位于同一色域内，则确定不同像素之间相互连接，否则确定不同像素之间断开；
对相互连接的不同像素标记相同的标签，并完成所述黑白图像中像素的标签化处理。


4.根据权利要求1-3任一项所述的基于水果识别算法的相机色彩自动优化方法,其特征在于，所述获取训练特征数据后，还包括如下步骤：
对所述训练特征数据进行归一化处理，并将归一化处理后的所述训练特征数据作为所述水果识别模型的输入变量进行训练；
所述获取目标特征数据后，还包括如下步骤：
对所述目标特征数据进行归一化处理，并将归一化处理后的所述目标特征数据输入训练完成的所述水果识别模型进行识别。


5.一种基于水果识别算法的相机色彩自动优化装置，其特征在于：包括图像处理模块、训练模块、神经网络识别模块和后处理模块；
所述图像处理模块，用于读取训练图像并进行图像处理，对经过图像处理后的训练图像进行图像特征提取处理，获取训练特征数据；以及用于读取目标图像并进行图像处理，对经过图像处理后的目标图像进行图像特征提取处理，获取目...

【专利技术属性】
技术研发人员：赵安跃，
申请(专利权)人：西安闻泰信息技术有限公司，
类型：发明
国别省市：陕西;61