【技术实现步骤摘要】
一种基于知识蒸馏的谷物自动识别方法
[0001]本专利技术涉及一种基于知识蒸馏的谷物自动识别方法，属于计算机视觉领域。
技术介绍
[0002]随着科技的不断进步，人类日常生活中的家用电器也随之会发生深刻变化，家电的更加智能化会带个人们更加舒适和便利的生活方式，智能家电将会成为未来重要的发展趋势。智能豆浆机作为智能家电的一个重要组成部分，随着生活质量的不断提高，人们对膳食的平衡和身体的健康方面的要求也越来越高，因此如何使智能豆浆机烹制营养美味的豆浆对于提高人类的生活质量具有重要意义。
[0003]智能家电的智能化的关键在于根据周围环境的不同自动做出响应，因此如何对多类谷物进行自动识别，从而设置相应的烹饪参数是智能豆浆实现智能的关键。随着计算机视觉技术的不断进步，谷类识别领域也将其引入进来。例如，一种谷物识别方法、装置和计算机存储介质，申请号：201711473662.0公开了一种谷物识别方法，该方法使用Canny边缘检测算法对图像进行预处理，然后使用AlexNet、VGGNet、GoogleNet和ResNet等卷积神...
【技术保护点】
【技术特征摘要】
1.一种基于知识蒸馏的谷物自动识别方法，其特征在于，包括以下步骤；S1:预训练模型的加载，预训练模型为使用图像分类标准数据库ImageNet训练的ResNet101，对该模型进行加载将其作为知识蒸馏算法的教师网络；S2：预训练模型的压缩，学生网络的特征提取器为小容量模型MobileNet，使用基于输出和特征的知识蒸馏算法对学生网络进行训练从而完成预训练模型的压缩；S3：谷类数据集的离线收集，利用图像搜索引擎收集若干关于谷物的图片并对每幅图像的类别进行标注，从而构建谷类图像数据集；S4：学生网络模型的微调，移除学生网络中的输出层和Softmax层，添加谷类分类器，利用谷类数据集对网络中的参数进行微调；S5：分类模型的在线测试，在线采集谷类图像，将其输入到微调后的预训练模型，得到谷物的输出类别，从而完成在线测试。2.根据权利要求1所述的一种基于知识蒸馏的谷物自动识别方法，其特征在于，所述步骤S1的具体步骤为；S11：基于图像分类标准数据库ImageNet对卷积神经网络ResNet101进行预训练，加载预训练好的ResNet101，将其作为教师网络；S12：教师网络主要是由4个卷积层、全连接层和Softmax层三部分组成，第1个卷积层表示为是由3个残差块组成的，每个残差块中卷积核的数目分别为64，64和256，第2个卷积层表示为是由4个残差块组成的，每个残差块中卷积核的数目分别为128，128和512，第3个卷积层表示为是由23个残差块组成的，每个残差块中卷积核的数目分别为256，256和1024，第4个卷积层表示为是由3个残差块组成的，每个残差块中卷积核的数目分别为512，512和2048，全连接层和Softmax层组成输出层被表示为O
t
(
·
)。3.根据权利要求1所述的一种基于知识蒸馏的谷物自动识别方法，其特征在于，所述步骤S2的具体步骤为；S21：学生网络特征提取器为小容量模型MobileNet，该网络深度是由1层标准卷积层和26层的可分离卷积层所组成，为了便于进行特征知识蒸馏，本发明将网络中27层分为4组，每一组分别表示为其中θ1，θ2，θ3，θ4表示每组卷积层中的参数；然后在学生网络的特征提取器添加输出层，该1000维的全连接层和Softmax层组成，被表示为其中为参数；S22：在数据库ImageNet中的训练集中随机抽取一个Batch的图像样本，每个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。