一种禽屠体的缺陷类型分类方法及系统技术方案

本发明专利技术公开了一种禽屠体的缺陷类型分类方法及系统，其方法包括：接收待检测禽屠体的体表图像和体内穿透性图像；将待检测禽屠体的体表图像输入至预设的第一缺陷类型检测网络模型，得到第一缺陷类型检测网络模型输出的第一缺陷类型检测结果；将体内穿透性图像输入至预设的第二缺陷类型检测网络模型，得到第二缺陷类型检测网络模型输出的第二缺陷类型检测结果；根据预设的缺陷分类标准、第一缺陷类型检测结果和第二缺陷类型检测结果，判断待检测禽屠体的缺陷分类结果；依据缺陷分类结果实施待检测禽屠体的分拣。本发明专利技术既有效提高了禽屠体的识别准确度，又提高了禽屠体的分类效率，为市场通道的预分选提供了极大保障。为市场通道的预分选提供了极大保障。为市场通道的预分选提供了极大保障。

【技术实现步骤摘要】
一种禽屠体的缺陷类型分类方法及系统


[0001]本专利技术涉及图像识别
，尤其是涉及一种禽屠体的缺陷类型分类方法及系统。

技术介绍

[0002]在现代化屠宰线中存在大量被自动屠宰的禽屠体，目前在我国屠宰场的屠宰线中基本上是依赖于人工通过肉眼对禽屠体的体表缺陷进行检测，体内缺陷则需要通过对禽屠体解剖才能识别，增加了屠宰场的生产成本，同时也造成人力资源的浪费，而且依靠人的肉眼观察的准确度会存在偏差，无法完全避免存在缺陷的、有损害的或其它不正常的禽屠宰体进入市场，也不能保证能够对确定的市场通道预分选出符合产品质量规定的产品。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种禽屠体的缺陷类型分类方法及系统，能够有效识别禽屠体的缺陷类型并根据禽屠体的缺陷类型进行自动化分类，既有效提高了禽屠体的识别准确度，又提高了禽屠体的分类效率，为市场通道的预分选提供保障。
[0004]第一方面，本专利技术的实施例提供了一种禽屠体的缺陷类型分类方法，所述禽屠体缺陷类型分类方法包括：
[0005]接收待检测禽屠体的体表图像和体内穿透性图像；
[0006]将所述待检测禽屠体的体表图像输入至预设的第一缺陷类型检测网络模型，得到所述第一缺陷类型检测网络模型输出的第一缺陷类型检测结果；
[0007]将体内穿透性图像输入至预设的第二缺陷类型检测网络模型，得到所述第二缺陷类型检测网络模型输出的第二缺陷类型检测结果；
[0008]根据预设的缺陷分类标准、所述第一缺陷类型检测结果和所述第二缺陷类型检测结果，判断所述待检测禽屠体的缺陷分类结果；
[0009]依据所述缺陷分类结果实施所述待检测禽屠体的分拣。
[0010]根据本专利技术实施例的方法，至少具有如下有益效果：
[0011]通过禽屠体的体表图像和体内穿透性图像训练了第一缺陷类型检测网络模型和第二缺陷类型检测网络模型，通过第一缺陷类型检测网络模型和第二缺陷类型检测网络模型解决了禽屠体体内缺陷和体外缺陷存在漏检的问题，大大提高了检测的准确度和检测效率；同时第一缺陷类型检测网络模型和第二缺陷类型检测网络模型容易迁移、布置简单以及检测效率极高，能够节省大量的生产成本；通过第一缺陷类型检测网络模型和第二缺陷类型检测网络模型得到的第一缺陷类型检测结果和第二缺陷类型检测结果，通过预设的缺陷分类标准进行自动化分类，为市场通道预分选提供了便捷，并且根据不同的市场通道场景能够进行不同标准的自动化分类，拓宽了应用场景。
[0012]根据本专利技术的一些实施例，所述第一缺陷类型检测网络模型通过如下方式得到：
[0013]获取多个禽屠体的体表图像；
[0014]将每个所述禽屠体的体表图像进行灰度处理，得到每个所述禽屠体的灰度体表图像；
[0015]通过每个所述禽屠体的灰度体表图像的垂直灰度投影曲线确定每个所述禽屠体的边界；
[0016]去除每个所述禽屠体的体表图像中所述禽屠体的边界以外的其他区域，得到每个所述禽屠体的去冗余体表图像；
[0017]将每个所述去冗余体表图像中的预设灰度值的灰度区域通过ROI Manager进行上色得到每个所述禽屠体的ROI去冗余体表图像；其中，所述ROI去冗余体表图像包括被上色的ROI区域；
[0018]通过所有所述禽屠体的ROI去冗余体表图像训练所述第一缺陷类型检测网络模型。
[0019]根据本专利技术的一些实施例，所述通过所有所述禽屠体的ROI去冗余体表图像训练所述第一缺陷类型检测网络模型，包括：
[0020]标定所有所述禽屠体的ROI去冗余体表图像中的所述ROI区域的缺陷类型；
[0021]将标定后的所有所述ROI去冗余体表图像按照预设比例生成第一训练集和第一测试集；
[0022]通过所述第一训练集迭代训练所述第一缺陷类型检测网络模型，并通过所述第一测试集测试第一缺陷类型检测网络模型的第一准确率；若所述第一准确率达到预设的准确度阈值或者所述第一缺陷类型检测网络模型的第一迭代训练次数超过阈值，停止训练所述第一缺陷类型检测网络模型。
[0023]根据本专利技术的一些实施例，所述第二缺陷类型检测网络模型通过如下方式得到：
[0024]获取多个所述禽屠体的体内穿透性图像；
[0025]将所有所述禽屠体的体内穿透性图像通过漫水填充算法得到所有所述禽屠体的ROI体内穿透性图像；
[0026]标定所有所述禽屠体的ROI体内穿透性图像的缺陷类型；
[0027]将标定后的所述禽屠体的ROI体内穿透性图像按照预设比例生成第二训练集和第二测试集；
[0028]通过所述第二训练集迭代训练所述第二缺陷类型检测网络模型，并通过所述第二测试集测试第二缺陷类型检测网络模型的第二准确率；若所述第二准确率达到预设的准确度阈值或者所述第二缺陷类型检测网络模型的第二迭代训练次数超过阈值，停止训练所述第二缺陷类型检测网络模型。
[0029]根据本专利技术的一些实施例，所述将所有所述禽屠体的体内穿透性图像通过漫水填充算法得到所有所述禽屠体的ROI体内穿透性图像，包括：
[0030]设定所述禽屠体的体内穿透性图像的可连通像素的上下限；
[0031]根据所述禽屠体的体内穿透性图像的可连通像素的上下限进行漫水填充，得到所述禽屠体的体内穿透性图像的ROI区域掩膜；
[0032]通过所述ROI区域掩膜提取所述将所有所述禽屠体的体内穿透性图像，得到所有所述禽屠体的ROI体内穿透性图像。
[0033]根据本专利技术的一些实施例，所述缺陷分类结果包括：禽爪缺陷、禽屠体皮肤缺陷、禽屠体内部骨骼缺陷和禽屠体内部肿瘤缺陷，所述第一缺陷类型检测结果和所述第二缺陷类型检测结果包括禽爪变形、禽爪发黑、禽爪出血、禽爪肿胀、鳞片隆起、皮肤坏死、蓝紫色斑块、皮下水肿、痘痂、痘斑、冠有白色斑点或斑块、禽骨骼畸形、禽骨骼断裂和胸腔囊肿。
[0034]根据本专利技术的一些实施例，所述体内穿透性图像包括X光平面透视图、电子计算机断层扫描图、超声成像图和磁共振成像图。
[0035]根据本专利技术的一些实施例，所述第一缺陷类型检测网络模型或所述第二缺陷类型检测网络模型为如下任一种网络模型：RFCN网络、R
‑
CNN网络、FastR
‑
CNN网络、Faster R
‑
CNN网络、yolov2网络、yolov3网络和SSD网络。
[0036]根据本专利技术的一些实施例，通过所述第一缺陷类型检测结果和所述第二缺陷类型检测结果取并集得到所述待检测禽屠体的缺陷类型检测结果。
[0037]第二方面，本专利技术的实施例提供了一种禽屠体缺陷类型分类系统，所述禽屠体缺陷类型分类系统包括：
[0038]图像接收模块，用于接收待检测禽屠体的体表图像和体内穿透性图像；
[0039]第一缺陷类型检测模块，用于将所述待检测禽屠体的体表图像输入至预设的第一缺陷类型检测网络模型，得到所述第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种禽屠体的缺陷类型分类方法，其特征在于，所述禽屠体缺陷类型分类方法包括：接收待检测禽屠体的体表图像和体内穿透性图像；将所述待检测禽屠体的体表图像输入至预设的第一缺陷类型检测网络模型，得到所述第一缺陷类型检测网络模型输出的第一缺陷类型检测结果；将体内穿透性图像输入至预设的第二缺陷类型检测网络模型，得到所述第二缺陷类型检测网络模型输出的第二缺陷类型检测结果；根据预设的缺陷分类标准、所述第一缺陷类型检测结果和所述第二缺陷类型检测结果，判断所述待检测禽屠体的缺陷分类结果；依据所述缺陷分类结果实施所述待检测禽屠体的分拣。2.根据权利要求1所述的禽屠体的缺陷类型分类方法，其特征在于，所述第一缺陷类型检测网络模型通过如下方式得到：获取多个禽屠体的体表图像；将每个所述禽屠体的体表图像进行灰度处理，得到每个所述禽屠体的灰度体表图像；通过每个所述禽屠体的灰度体表图像的垂直灰度投影曲线确定每个所述禽屠体的边界；去除每个所述禽屠体的体表图像中所述禽屠体的边界以外的其他区域，得到每个所述禽屠体的去冗余体表图像；将每个所述去冗余体表图像中的预设灰度值的灰度区域通过ROI Manager进行上色得到每个所述禽屠体的ROI去冗余体表图像；其中，所述ROI去冗余体表图像包括被上色的ROI区域；通过所有所述禽屠体的ROI去冗余体表图像训练所述第一缺陷类型检测网络模型。3.根据权利要求2所述的禽屠体的缺陷类型分类方法，其特征在于，所述通过所有所述禽屠体的ROI去冗余体表图像训练所述第一缺陷类型检测网络模型，包括：标定所有所述禽屠体的ROI去冗余体表图像中的所述ROI区域的缺陷类型；将标定后的所有所述ROI去冗余体表图像按照预设比例生成第一训练集和第一测试集；通过所述第一训练集迭代训练所述第一缺陷类型检测网络模型，并通过所述第一测试集测试第一缺陷类型检测网络模型的第一准确率；若所述第一准确率达到预设的准确度阈值或者所述第一缺陷类型检测网络模型的第一迭代训练次数超过阈值，停止训练所述第一缺陷类型检测网络模型。4.根据权利要求2所述的禽屠体的缺陷类型分类方法，其特征在于，所述第二缺陷类型检测网络模型通过如下方式得到：获取多个所述禽屠体的体内穿透性图像；将所有所述禽屠体的体内穿透性图像通过漫水填充算法得到所有所述禽屠体的ROI体内穿透性图像；标定所有所述禽屠体的ROI体内穿透性图像的缺陷类型；将标定后的所述禽屠体的ROI体内穿透性图像按照预设比例生成第二训练集和第二测试集；通过所述第二训练集迭代训练所述第二缺陷类型检测网络模型，并通过所述第二测试
集测试第二缺陷类型检测网络模型的第二准确率；若所述第二准...

【专利技术属性】
技术研发人员：田冰川，余沛毅，贾高峰，桂林峰，
申请(专利权)人：华智生物技术有限公司，
类型：发明
国别省市：