黑皮鸡枞外观品质分级系统及其方法技术方案

本发明专利技术公开了一种黑皮鸡枞外观品质分级系统及其方法。该系统包括相互电性连接的分拣模块和外观识别模块；外观识别模块用于对黑皮鸡枞的图像进行识别得到相应的外观品质分级判定结果；外观识别模块包括依次连接的摄像设备、卷积神经网络、指令单元；卷积神经网络用于根据图像进行识别，输出黑皮鸡枞的外观品质分级判定结果到指令单元；指令单元用于根据黑皮鸡枞的外观品质分级判定结果，向分拣模块发出将不同外观品质分级的黑皮鸡枞进行分拣的控制信号。本发明专利技术相比现有技术，综合考虑了黑皮鸡枞外观上的复合特征进行外观品质分级，真正满足了对黑皮鸡枞的品质进行分级的需求，卷积神经网络相比传统的人工分拣方法极大提升了分拣效率和分拣准确度。分拣效率和分拣准确度。分拣效率和分拣准确度。

【技术实现步骤摘要】
黑皮鸡枞外观品质分级系统及其方法


[0001]本专利技术属于农副产品加工设备的
，具体涉及一种黑皮鸡枞外观品质分级系统及其方法。

技术介绍

[0002]黑皮鸡枞(Oudemansiellaraphanipes)是一种高档食用菌，中文学名为卵孢长根菇。黑皮鸡枞富含蛋白质、氨基酸、微量元素等多种营养物质，在降血糖、降血脂、提高免疫力等方面具有独特的生理功效，具有较高的开发价值。不同品质的黑皮鸡枞的市场价格差距较大，因此在上市之前，需要对黑皮鸡枞进行品质分级，将优质、外形饱满的产品与劣质、品相较差的产品区分开来。
[0003]目前，对黑皮鸡枞进行品质分类仍然大规模采用传统的人工分选方式，速度慢、效率低、对分选者的领域知识和熟练经验要求高，严重制约了分选效率与经济效益。
[0004]现有的部分采用机械化分拣的设备，一般是采用筛网进行分选，当食用菌经由传送带到达筛网后，通过筛网上大小不同的孔，就可以将大小不同的食用菌分选为不同的品质等级。但是，这种分选系统只考虑了食用菌的直径等尺寸相关的因素，只能初步对食用菌的尺寸进行分选，没有充分考虑食用菌的形态、色泽、纹理等复合特征对品质的影响，无法真正实现对品质的分类。

技术实现思路

[0005]为了克服现有技术存在的一个或者多个缺陷与不足，本专利技术目的第一目的在于提供一种黑皮鸡枞外观品质分级系统，本专利技术的第二目的在于提供一种黑皮鸡枞外观品质分级方法，以实现对黑皮鸡枞根据外观品质分级进行分拣的功能。
[0006]为了达到上述目的，本专利技术采用以下的技术方案。
[0007]一种黑皮鸡枞外观品质分级系统，包括相互电性连接的分拣模块和外观识别模块；
[0008]外观识别模块用于对黑皮鸡枞的图像进行识别得到相应的外观品质分级判定结果；
[0009]分拣模块用于根据外观品质分级判定结果对不同外观品质分级的黑皮鸡枞进行分拣；
[0010]外观识别模块包括依次连接的摄像设备、卷积神经网络、指令单元；
[0011]摄像设备用于采集黑皮鸡枞的图像，并将图像传送到卷积神经网络中；
[0012]卷积神经网络用于根据图像进行识别，输出黑皮鸡枞的外观品质分级判定结果到指令单元；
[0013]指令单元用于根据黑皮鸡枞的外观品质分级判定结果，向分拣模块发出将不同外观品质分级的黑皮鸡枞进行分拣的控制信号。
[0014]优选地，外观识别模块还包括图像处理单元；
[0015]图像处理单元分别与摄像设备、卷积神经网络连接；
[0016]图像处理单元用于接受摄像设备采集的黑皮鸡枞的图像、将黑皮鸡枞的图像处理为匹配卷积神经网络输入要求的规格。
[0017]进一步地，图像处理单元、卷积神经网络、指令单元集成在数据处理机内。
[0018]优选地，卷积神经网络为改进型轻量级神经网络；
[0019]改进型轻量级神经网络包括预训练模型、BN层、平均池化层、展平层、全连接层、Dropout层和分类器；
[0020]预训练模型为MobileNetv2网络模型；
[0021]BN层用于使每一层神经网络的输入保持相同的分布；
[0022]平均池化层用于对前一层的输出进行降采样；
[0023]展平层用于将前一层输出的多维向量转化为一维向量；
[0024]全连接层用于将图像特征进行综合；
[0025]Dropout层用于对全连接层内的每个神经元设定死亡概率。
[0026]优选地，分拣模块包括传送组件、收集组件、分级组件；
[0027]传送组件用于运送黑皮鸡枞经过摄像设备进行采集后，再运送黑皮鸡枞到分级组件进行分拣；
[0028]收集组件包括多个用于存储黑皮鸡枞的品质产品箱，各自对应不同等级的外观品质分级判定结果；
[0029]分级组件与指令单元电性连接，用于根据外观品质分级判定结果对应的控制信号，将对应外观品质分级的黑皮鸡枞分拣到对应等级的品质产品箱。
[0030]进一步地，传送组件包括相互连接的传送带和托盘；
[0031]传送带用于带动托盘进行移动依次经过摄像设备、分级组件；
[0032]托盘用于放置黑皮鸡枞，托盘设有多个。
[0033]再进一步地，托盘朝向摄像设备的一侧设有LED指示灯；
[0034]相邻的托盘之间的LED指示灯采用不同的发光颜色。
[0035]进一步地，收集组件还包括多个品质产品箱蛇形收集口；
[0036]品质产品箱蛇形收集口一端连接品质产品箱，另一端与托盘分拣组件相对应；
[0037]品质产品箱蛇形收集口用于接收不同外观品质分级的黑皮鸡枞到对应等级的品质产品箱内存储。
[0038]进一步地，分级组件包括多个电动顶针；
[0039]电动顶针与指令单元电性连接，用于根据指令单元的控制信号顶起托盘，使托盘内的黑皮鸡枞离开托盘。
[0040]一种黑皮鸡枞外观品质分级方法，步骤如下：
[0041]分拣模块将黑皮鸡枞原料与送到摄像设备下进行图像采集，采集黑皮鸡枞外观的图像；
[0042]摄像设备将采集到的图像输入已经通过黑皮鸡枞外观品质分级预训练的卷积神经网络中进行识别，得出黑皮鸡枞对应的外观品质分级判定结果；
[0043]指令单元根据外观品质分级判定结果对相应外观品质分级的黑皮鸡枞进行分拣，从而将不同外观品质分级的黑皮鸡枞区分开。
[0044]本专利技术技术方案与现有技术相比，具有如下有益效果：
[0045]本专利技术利用黑皮鸡枞的图像为输入，综合考虑了黑皮鸡枞外观上的形态、色泽、纹理、尺寸等复合特征进行外观品质分级，真正满足了对黑皮鸡枞的品质进行分级的需求，避免单一使用尺寸进行分级所造成的品质分类不准确的问题。使用的改进型轻量级神经网络相比传统的人工分拣方法极大提升了分拣效率和分拣准确度，与传统神经网络相比计算量低无需使用高性能的GPU。使用摄像设备结合LED指示灯采集图像并定位托盘的方式，无需像现有技术需要额外定位设备的情况，降低了制造成本和系统的复杂度，还可以对同一个托盘只保留一帧图像，大幅降低了图像的输入量，使得改进型轻量级神经网络能快速低成本进行分级。
附图说明
[0046]图1为本专利技术其中一种黑皮鸡枞外观品质分级系统的总体结构框架示意图；
[0047]图2为用于分拣和识别部分结构的顶部视图；
[0048]图3为用于分拣和识别部分结构的侧面视图；
[0049]图4为用于单个分拣的结构示意图；
[0050]图5为用于识别的神经网络结构示意图；
[0051]图6为神经网络的训练损失和验证损失曲线图；
[0052]图7为神经网络所使用的混淆矩阵结构示意图；
[0053]图8为本专利技术其中一种黑皮鸡枞外观品质分级方法的总体流程示意图；
[0054]图中：1
‑
环形传送带，2
‑
托盘，3
‑
LED指示灯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑皮鸡枞外观品质分级系统，其特征在于，包括相互电性连接的分拣模块和外观识别模块；所述外观识别模块用于对黑皮鸡枞的图像进行识别得到相应的外观品质分级判定结果；所述分拣模块用于根据外观品质分级判定结果对不同外观品质分级的黑皮鸡枞进行分拣；外观识别模块包括依次连接的摄像设备、卷积神经网络、指令单元；所述摄像设备用于采集黑皮鸡枞的图像，并将图像传送到卷积神经网络中；所述卷积神经网络用于根据图像进行识别，输出黑皮鸡枞的外观品质分级判定结果到指令单元；所述指令单元用于根据黑皮鸡枞的外观品质分级判定结果，向分拣模块发出将不同外观品质分级的黑皮鸡枞进行分拣的控制信号。2.根据权利要求1所述黑皮鸡枞外观品质分级系统，其特征在于，所述外观识别模块还包括图像处理单元；所述图像处理单元分别与摄像设备、卷积神经网络连接；图像处理单元用于接受摄像设备采集的黑皮鸡枞的图像、将黑皮鸡枞的图像处理为匹配卷积神经网络输入要求的规格。3.根据权利要求2所述黑皮鸡枞外观品质分级系统，其特征在于，图像处理单元、卷积神经网络、指令单元集成在数据处理机内。4.根据权利要求1所述黑皮鸡枞外观品质分级系统，其特征在于，卷积神经网络为改进型轻量级神经网络；所述改进型轻量级神经网络包括依次连接的预训练模型、BN层、平均池化层、展平层、全连接层、Dropout层和分类器；所述预训练模型为MobileNetv2网络模型；所述BN层用于使每一层神经网络的输入保持相同的分布；所述平均池化层用于对前一层的输出进行降采样；所述展平层用于将前一层输出的多维向量转化为一维向量；所述全连接层用于将图像特征进行综合；所述Dropout层用于对全连接层内的每个神经元设定死亡概率。5.根据权利要求1所述黑皮鸡枞外观品质分级系统，其特征在于，分拣模块包括传送组...

【专利技术属性】
技术研发人员：刘明，黄华茂，胡海英，彭洋洋，何焕清，周慧，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：