水果分类方法、装置、采摘设备及存储介质制造方法及图纸

本申请涉及一种水果分类方法、装置、采摘设备及存储介质，该方法包括：S1，获取待分类水果对应的第i图像信息，并将第i图像信息输入至预先训练的第i个网络模型，得到待分类水果的第i个维度的品质信息；S2，根据第i个维度的品质信息对待分类水果进行分类，得到第i分类结果；S3，将第i分类结果中的任一类水果确定为待分类水果，重复执行S1至S3，得到第N个维度的品质信息；S4，根据第N个维度的品质信息对待分类的水果进行分类；其中，网络模型的数量与待分类水果的品质信息的维度相对应，不同的网络模型用于对待分类水果的不同维度的品质信息进行预测。这样可以得到待分类水果的分类结果，而无需人为进行分类，节约了人力成本和时间成本。本。本。

【技术实现步骤摘要】
水果分类方法、装置、采摘设备及存储介质


[0001]本申请涉及深度学习
，尤其涉及一种水果分类方法、装置、采摘设备及存储介质。

技术介绍

[0002]目前，水果采摘已经逐渐机械化，市面上已经出现了各式各样的水果采摘装置，这大大提高了水果采摘的便利性，且能够有效降低高空采摘的危险性。但是，现有的水果采摘装置并不能对水果的形状、大小和缺陷等不同维度进行分类，仍然需要人为进行分拣，从而导致人力成本和时间成本较高。

技术实现思路

[0003]本申请提供了一种水果分类方法、装置、采摘设备及存储介质，以解决现有的水果采摘装置并不能对水果的形状、大小和缺陷等不同维度进行分类，仍然需要人为进行分拣，从而导致人力成本和时间成本较高。
[0004]第一方面，本申请提供了一种水果分类方法，所述方法包括：S1，获取待分类水果对应的第i图像信息，并将所述第i图像信息输入至预先训练的第i个网络模型，得到所述待分类水果的第i个维度的品质信息，i为大于或等于1，且小于或等于N的正整数，N为大于1的任一整数；S2，根据所述第i个维度的品质信息对所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水果分类方法，其特征在于，所述方法包括：S1，获取待分类水果对应的第i图像信息，并将所述第i图像信息输入至预先训练的第i个网络模型，得到所述待分类水果的第i个维度的品质信息，i为大于或等于1，且小于或等于N的正整数，N为大于1的任一整数；S2，根据所述第i个维度的品质信息对所述待分类水果进行分类，得到第i分类结果；S3，将所述第i分类结果中的任一类水果确定为所述待分类水果，重复执行所述S1至所述S3，得到第N个维度的品质信息；其中，i的取值从1开始每重复完成一次所述S1至所述S3的执行，所述i的取值加1直到所述i的取值为N；S4，根据所述第N个维度的品质信息对所述待分类的水果进行分类；其中，所述网络模型的数量与所述待分类水果的品质信息的维度相对应，不同的所述网络模型用于对所述待分类水果的不同维度的品质信息进行预测。2.根据权利要求1所述的方法，其特征在于，所述第i个网络模型包括输入层、输出层和多个隐含层；所述将所述第i图像信息输入至预先训练的第i个网络模型，得到所述待分类水果的第i个维度的品质信息，包括：将所述第i图像信息输入至所述输入层进行特征数值化，得到第一中间特征信息；将所述第一中间特征信息依次输入至所述多个隐含层中的每个隐含层进行特征提取，得到第二中间特征信息；将所述第二中间特征信息输入至所述输出层进行品质分类，得到所述待分类水果的第i个维度的品质信息。3.根据权利要求2所述的方法，其特征在于，所述第i个网络模型为第一网络模型、第二网络模型、第三网络模型或者第四网络模型，所述第一网络模型用于对所述待分类水果的形状进行预测，所述第二网络模型用于对所述待分类水果的尺寸进行预测，所述第三网络模型用于对所述待分类水果的缺陷进行预测，所述第四网络模型用于对所述待分类水果的口感进行预测。4.根据权利要求3所述的方法，其特征在于，所述第一网络模型、所述第二网络模型和所述第三网络模型中的每个隐含层均包括池化层和多个卷积层，每个所述卷积层包括多个节点，各节点的卷积核的数量成倍增加，且每个节点对应的所述卷积核的大小相等。5.根据权利要求3所述的方法，其特征在于，所述待分类水果的口感包括所述待分类水果的甜度，所述第四网络模型用于对根据所述待分类水果的尺寸和重量对所述待分类水果的甜度进行拟合。6.根据权利要求1所述的方法，其特征在于，在所述将所述第i图像信息输入至预先训练的第i个网络模型，得到所述待分类水果的第i个维度的品质信息之前，所述方法还包括：获取水果的N个维度的品质信息对应的N类样本图像信息；将所述N类样本图像信息分别输入至N个待训练模型进行训练，待所述N个待训练模型的损失值均小于自身对应的预设阈值...

【专利技术属性】
技术研发人员：李勇军，朱琦，杨光，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：