基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法技术

本发明专利技术涉及水果成熟度鉴别技术领域，且公开了基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法，包括以下步骤：S1：收集猕猴桃数据，在3

【技术实现步骤摘要】
基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法


[0001]本专利技术涉及水果成熟度鉴别
，具体为基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法。

技术介绍

[0002]猕猴桃对于人体来说是一种非常好的水果，能够起到养生和保健的功效，无论是老人还是小孩儿都非常适合食用。而且果肉饱满细腻，口感酸甜，也深受人们的喜爱，但是为了方便运输和保存，所以大多数市面上所销售的猕猴桃都是不成熟的。因此在购买之后，都需要在家里放置几天才能够食用。因此猕猴桃成熟程度的鉴别无论对于卖方还是买方都具有很大的意义。
[0003]猕猴桃在未熟到成熟的阶段上，表皮颜色、纹理等会随着时间逐渐变化，成熟的猕猴桃表皮颜色相对较黄，表皮相对皱，而未成熟的表皮颜色会偏绿，表皮相对光滑。此外，猕猴桃原本是否损伤也会对表皮颜色、纹路和绒毛状态造成影响。
[0004]目前对于消费者来说，判断是否成熟的方法主要为经验判断：使用手捏法判断猕猴桃的软硬程度进而判断猕猴桃是否成熟。而手捏法容易造成猕猴桃手捏部位损伤，影响口感。且手捏法依靠经验判断经常无法在猕猴桃最佳成熟度时食本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法，其特征在于，包括以下步骤：S1：收集猕猴桃数据，在3
‑
6天里，每天同一时间段分别采集40
‑
80个猕猴桃的图像，并在同一位置按压判断猕猴桃是否成熟，做好标签记录并按标签保存图像文件，得到原始数据集；S2：提取数据，提取原始数据集中猕猴桃表皮的颜色、纹理；S3：判断，使用经验判断法将样本数据各个时间各个猕猴桃贴上成熟度标签，成熟度分为三个阶段——未熟、微熟和成熟，利用学习算法学习猕猴桃成熟度的阈值θ(θ1，θ2)，及平均成熟耗时n天；S4：深度训练学习，通过提取的猕猴桃表皮的颜色、纹理，然后与经验判断法判断的结果，学习出猕猴桃表皮颜色、纹理与成熟度之间的关系，S4中进行训练学习时搭建模型，搭建模型时分为三个模型进行搭建，分别为：model
‑
1——判断水果是否有损伤；model
‑
2——判断有损伤水果成熟程度；model
‑
3——判断无损伤水果成熟程度；为了更好地描述猕猴桃状态，将猕猴桃是否损伤分为有损伤和无损伤，并在程序中编码为1和0，将水果成熟程度分为未熟、微熟和成熟，并在程序中编码为0、1和2，使用python的Tensorflow模块来实现深度学习；在训练时判别指标model
‑
1为：model
‑
1输出为model
‑
1表示为model
‑
2、model
‑
3：由于原数据过于离散，现通过拟...

【专利技术属性】
技术研发人员：蔡晓权，徐圣兵，王振友，李金漳，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：