基于机器学习的食品检测系统技术方案

本发明专利技术涉及图像处理领域，具体涉及基于机器学习的食品检测系统，包括图像获取模块、灰度集合获取模块、空洞程度获取模块以及食品检测模块，其中：获取食品区域图像；获取各个灰度值的灰度集合；根据各个灰度值对应的空洞值以及空洞灰度差得到各个灰度值的空洞程度；获取各个灰度值的整体差异性；根据各个灰度值的整体差异性以及各个灰度值的空洞程度得到各个灰度值属于黑点区域的可能性；根据各个灰度值属于黑点区域的可能性得到改性食品区域图像；对改性食品区域图像进行阈值分割，得到分割结果图像；根据分割结果图像完成食品检测。本发明专利技术可以得到更加准确、可靠的食品检测结果。可靠的食品检测结果。可靠的食品检测结果。

【技术实现步骤摘要】
基于机器学习的食品检测系统


[0001]本专利技术涉及图像处理领域，具体涉及基于机器学习的食品检测系统。

技术介绍

[0002]在食品安全生产工艺中，通过X光实现变质食品的检测，则变质食品在X光下会产生黑点，由于在不同食品的X光图像中，由于食品变质程度不一，则黑点的明显程度不一样，而如果不将具有黑点的食品挑出来，则会导致食品安全事故的发生。
[0003]现有的对食品进行检测的方法往往是利用机器学习模型来对不同食品的X光图像中的食品质量进行检测，常见的机器学习模型包括随机森林、支持向量机和神经网络等，其中语义分割网络是最常用的一种神经网络，但是由于X光图像中不仅包含食品区域，还会包含环境背景区域，且不同食品的变质程度不同，X光图像中由食品变质引起的黑点区域的明显程度也不同，因此直接利用语义分割网络获得变质区域的方法得到的检测结果可能存在较大误差，然而这种机器学习模型在提取X光图像中的食品区域具有较高的准确性，因此可以首先通过机器学习模型来获得准确的食品区域图像，而后根据食品区域图像判断食品是否发生变质，但是不同食品的变质程度存在差异，也会导致食品区域图像中由变质引起的黑点区域的分割效果也不稳定，即食品变质严重区域形成的黑点区域比较明显，而食品变质不严重区域形成的黑点区域相对不明显，因此在获取准确的食品区域图像的基础上，设计一种可以准确识别黑点区域的方法是非常重要的。

技术实现思路

[0004]本专利技术提供基于机器学习的食品检测系统，以解决现有的问题。
[0005]本专利技术的基于机器学习的食品检测系统采用如下技术方案：本专利技术一个实施例提供了基于机器学习的食品检测系统，该系统包括以下模块：图像获取模块，获取食品区域图像；灰度集合获取模块，根据食品区域图像对应的灰度直方图中，各个灰度值出现的频率以及各个灰度值与整体灰度值之间的差异得到各个灰度值的色差程度；根据预设标准差、各个灰度值的大小以及色差程度获取各个灰度值对应的高斯函数模型，根据高斯函数模型的分布范围得到各个灰度值的灰度集合；空洞程度获取模块，将各个灰度值的灰度集合中所有灰度值对应的像素点映射到二值图像上，得到各个灰度值对应的二值图像，根据各个灰度值对应的二值图像得到各个灰度值的初始像素个数；对各个灰度值对应的二值图像进行填充，得到各个灰度值对应的填充后二值图像；根据各个灰度值对应的填充后二值图像得到各个灰度值的填充后像素个数；根据各个灰度值对应的初始像素个数以及填充后像素个数得到各个灰度值对应的空洞值；根据各个灰度值对应的二值图像以及填充后二值图像得到各个灰度值对应的空洞像素点；根据各个灰度值对应的空洞像素点的灰度值得到各个灰度值对应的空洞灰度差；根据各个灰度值对应的空洞值以及空洞灰度差得到各个灰度值的空洞程度；
食品检测模块，根据各个填充后二值图像得到各个灰度值的整体差异性；根据各个灰度值的整体差异性以及各个灰度值的空洞程度得到各个灰度值属于黑点区域的可能性；根据各个灰度值属于黑点区域的可能性得到改性食品区域图像；对改性食品区域图像进行阈值分割，得到分割结果图像；根据分割结果图像完成食品检测。
[0006]优选的，所述整体灰度值是指灰度直方图中最大频率对应的灰度值。
[0007]优选的，所述各个灰度值的色差程度的获取表达式为：其中，为第i个灰度值与整体灰度值之间的差异；为第i灰度值在灰度直方图中出现的频率，为以自然常数为底数的指数函数。
[0008]优选的，所述各个灰度值对应的高斯函数模型的获取方法为：以各个灰度值的大小为高斯函数模型的均值，将预设标准差、各个灰度值的色差程度以及预设权重之间的乘积作为高斯函数模型的标准差，得到各个灰度值对应的高斯函数模型。
[0009]优选的，所述各个灰度值对应的空洞值的获取方法为：将各个灰度值对应的初始像素个数与填充后像素个数之间差值的绝对值作为各个灰度值的空洞值。
[0010]优选的，所述各个灰度值对应的空洞灰度差的获取方法为：根据各个灰度值对应的空洞像素点的坐标得到各个空洞连通域；计算各个空洞连通域中包含像素点的灰度值的平均值，得到各个灰度均值，分别计算各个灰度均值与各个灰度值之间差值的绝对值，将所有绝对值的平均值作为各个灰度值对应的空洞灰度差。
[0011]优选的，所述各个灰度值的空洞程度的获取表达式为：其中，为第i个灰度值的空洞程度；为第i个灰度值对应的空洞灰度差；为第i个灰度值对应的空洞值；为以自然常数为底数的指数函数。
[0012]优选的，所述各个灰度值的整体差异性的获取方法为：获取各个灰度值对应的填充后二值图像中的各个连通域以及各个连通域的质心，将各个质心的灰度值与整体灰度值之间差值的平均值作为各个灰度值的整体差异性。
[0013]优选的，所述各个灰度值属于黑点区域的可能性的获取表达式为：其中，为第i个灰度值属于黑点区域的可能性，为第i个灰度值对应的空洞程度；为第i个灰度值的整体差异性，为以自然常数为底数的指数函数。
[0014]本专利技术的有益效果是：首先获取食品区域图像；获取各个灰度值的灰度集合；根据各个灰度值对应的空洞值以及空洞灰度差得到各个灰度值的空洞程度；获取各个灰度值的整体差异性；根据各个灰度值的整体差异性以及各个灰度值的空洞程度得到各个灰度值属于黑点区域的可能性；根据各个灰度值属于黑点区域的可能性得到改性食品区域图像；对改性食品区域图像进行阈值分割，得到分割结果图像；根据分割结果图像完成食品检测，从
而得到更加准确、可靠的食品检测结果。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术的基于机器学习的食品检测系统的结构框图；图2为本专利技术的基于机器学习的食品检测系统的X光图像；图3为本专利技术的基于机器学习的食品检测系统的食品区域图像；图4为本专利技术的基于机器学习的食品检测系统的空洞图像；图5为本专利技术的基于机器学习的食品检测系统的填充后二值图像；图6为本专利技术的基于机器学习的食品检测系统的改性食品区域图像；图7为本专利技术的基于机器学习的食品检测系统的分割结果图像。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于机器学习的食品检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0019]下面结合附图具体的说明本专利技术所提供的基于机器学习的食品检测系统的具体方案。
[0020]请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的食品检测系统，其特征在于，该系统包括以下模块：图像获取模块，获取食品区域图像；灰度集合获取模块，根据食品区域图像对应的灰度直方图中，各个灰度值出现的频率以及各个灰度值与整体灰度值之间的差异得到各个灰度值的色差程度；根据预设标准差、各个灰度值的大小以及色差程度获取各个灰度值对应的高斯函数模型，根据高斯函数模型的分布范围得到各个灰度值的灰度集合；空洞程度获取模块，将各个灰度值的灰度集合中所有灰度值对应的像素点映射到二值图像上，得到各个灰度值对应的二值图像，根据各个灰度值对应的二值图像得到各个灰度值的初始像素个数；对各个灰度值对应的二值图像进行填充，得到各个灰度值对应的填充后二值图像；根据各个灰度值对应的填充后二值图像得到各个灰度值的填充后像素个数；根据各个灰度值对应的初始像素个数以及填充后像素个数得到各个灰度值对应的空洞值；根据各个灰度值对应的二值图像以及填充后二值图像得到各个灰度值对应的空洞像素点；根据各个灰度值对应的空洞像素点的灰度值得到各个灰度值对应的空洞灰度差；根据各个灰度值对应的空洞值以及空洞灰度差得到各个灰度值的空洞程度；食品检测模块，根据各个填充后二值图像得到各个灰度值的整体差异性；根据各个灰度值的整体差异性以及各个灰度值的空洞程度得到各个灰度值属于黑点区域的可能性；根据各个灰度值属于黑点区域的可能性得到改性食品区域图像；对改性食品区域图像进行阈值分割，得到分割结果图像；根据分割结果图像完成食品检测。2.根据权利要求1所述的基于机器学习的食品检测系统，其特征在于，所述整体灰度值是指灰度直方图中最大频率对应的灰度值。3.根据权利要求1所述的基于机器学习的食品检测系统，其特征在于，所述各个灰度值的色差程度的获取表达式为：其中，为第i个灰度值与整体灰度值之间的差异；为第i灰度值在灰度直方图中出现的频率，为以自...

【专利技术属性】
技术研发人员：杨卫国，
申请(专利权)人：聊城市检验检测中心，
类型：发明
国别省市：