一种基于SE-ResNet结构的轻量级种蛋蛋形识别方法技术

本发明专利技术公开了一种基于SE

【技术实现步骤摘要】
一种基于SE
‑
ResNet结构的轻量级种蛋蛋形识别方法


[0001]本专利技术属于图像分类
，具体涉及一种基于SE
‑
ResNet结构的轻量级种蛋蛋形识别方法。

技术介绍

[0002]种蛋蛋形包括小蛋、畸形蛋、双黄蛋、标准蛋等，具有很高的研究价值。而蛋形是反应种鸡健康质量的一个很大的因素，每天会有大量的不合格种蛋没有被检查到，忽视了种鸡的健康质量，造成大量损失。种蛋蛋形的准确检测和鉴定是影响种鸡健康的关键要素，也是提高经济收益的关键。
[0003]传统的种蛋蛋形识别主要步骤是利用图像处理技术对蛋形图像进行预处理，对一些特定的特征进行特征提取之后，使用分类器对所提取到的特征进行分类，从而实现蛋形的分类识别。内蒙古农业大学的郁志宏提出利用计算机视觉分割种蛋蛋形试验，基于机器视觉和矩技术提取种蛋的长短径，剔除蛋形指数不合格种蛋后，再通过构建合理的遗传神经网络模型并建立分级算法。该方法检测圆蛋、过尖蛋、畸形蛋和正常蛋检测准确率分别达到了97.10％、95.59％、94.87％和95.75％，可以满足实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SE
‑
ResNet结构的轻量级种蛋蛋形识别方法，其特征在于，包括：步骤1.数据建立，采集种蛋蛋形样本图片，建立常见种蛋蛋形数据集；步骤2.数据扩充，通过对数据集中样本图片旋转、平移、翻转，进行数据的扩充，扩大种蛋数据集；步骤3.数据标注，采用Labelme工具，对所述步骤2中扩充后的数据集中的样本图片进行数据标注；步骤4.数据划分，将所述步骤3中标注后的种蛋蛋形数据集随机划分为训练集和测试集；步骤5.模型构建，将SENet和ResNet34卷积神经网络结合，构建一个新的轻量级卷积神经网络模型，即SE
‑
ResNet模型，该模型由多尺度卷积模块、卷积模块、最大池化层、SE
‑
ResNet模块、SENet模块、平均池化层和全连接层堆叠而成；步骤6.模型训练，导入训练集，训练所述步骤建立的SE
‑
ResNet模型，并保存训练好的SE
‑
ResNet模型；步骤7.使用测试集对所述步骤6训练好的SE
‑
ResNet模型和其他卷积神经网络进行测试对比测试，以此来验证神经网络之间的优劣；步骤8.利用测试好的SE
‑
ResNet模型对种蛋进行识别。2.根据...

【专利技术属性】
技术研发人员：李振波，郭玉阳，李萌，岳峻，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：