一种米粉霉变检测方法和装置制造方法及图纸

本发明专利技术提供一种米粉霉变检测方法和装置，属于图像处理领域，方法包括：对原始米粉粉条图像进行预处理得到待训练图像集；通过待训练图像集对训练模型进行训练得到目标检测模型；通过目标检测模型对待检测米粉粉条图像进行检测得到米粉霉变的检测结果。本发明专利技术丰富了目前基于深度学习的食品霉变识别研究中较为缺失的米粉霉变数据集，可为米粉智能化生产管理与分析提供数据支撑，也一定程度上减少了特征信息的损失，可以进一步提取有效特征，减少了特征的丢失，也有利于更多的保留米粉检测背景和霉变深度情况，更好地平衡不同尺度的特征信息对于输出值的影响，同时，还强化了有效特征，并过滤了无效特征。并过滤了无效特征。并过滤了无效特征。

【技术实现步骤摘要】
一种米粉霉变检测方法和装置


[0001]本专利技术主要涉及图像处理
，具体涉及一种米粉霉变检测方法和装置。

技术介绍

[0002]米粉作为中国南方地区的食品之一，以其口感滑爽柔韧、风味独特而闻名全国，米粉以大米为原料，经浸泡、蒸煮和压条等工序制成的条状、丝状米制品，米粉的类型包括半干米粉和湿米粉两种，鲜湿米粉(水量含量>60％)保质期短，储存存在易粘结成团、老化等问题，日常若将米粉长期储存或在潮湿的环境中储存易造成米粉表面产生霉变，若误食霉变米粉将会对人体健康造成危害，常见的米粉霉变包括米粉表面麻点、斑块等，因此，在米粉生产过程中尽早实现对霉变米粉的快速检测、米粉霉变类型精准识别，对于提高米粉生产品质提高、米粉生产安全的发展具有重要意义。
[0003]米粉的生产中，主要还是通过人工肉眼发现霉变米粉，人工发现霉变米粉的时间点往往具有滞后性，对于霉变米粉的视觉识别与检测发展还是较为薄弱的一环。在现有食品霉变病害技术中主要分为传统算法和深度学习算法两类，基于传统算法的根据颜色特征通过图像分割等方法对食品霉变病害进行分割识别，基于深度学习的先利用卷积神经网络提取图片特征，再进行特征融合，随后输出特征生成预测框进行识别。
[0004]近年来，以YOLOv5为代表的算法在多种特定场景下都有着不错的识别精度和速度，但缺点是相对应的网络模型参数量和计算量过大，难以在GPU算力资源有限的嵌入式设备或移动端部署运行；且米粉霉变在米粉上的分布具有较高的随机性，不同的霉变类型在各自的多发时期内形状、颜色、纹理等特征存在着一定的相似性，导致未经改进优化的原始YOLOv5算法对米粉霉变误检率较高。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种米粉霉变检测方法和装置。
[0006]本专利技术解决上述技术问题的技术方案如下：一种米粉霉变检测方法，包括如下步骤：
[0007]导入多个原始米粉粉条图像，对所有所述原始米粉粉条图像进行预处理，得到待训练图像集；
[0008]构建训练模型，通过所述待训练图像集对所述训练模型进行训练，得到目标检测模型；
[0009]导入待检测米粉粉条图像，通过所述目标检测模型对所述待检测米粉粉条图像进行检测，得到米粉霉变的检测结果。
[0010]本专利技术解决上述技术问题的另一技术方案如下：一种米粉霉变检测装置，包括：
[0011]预处理模块，用于导入多个原始米粉粉条图像，对所有所述原始米粉粉条图像进行预处理，得到待训练图像集；
[0012]训练模块，用于构建训练模型，通过所述待训练图像集对所述训练模型进行训练，得到目标检测模型；
[0013]检测结果获得模块，用于导入待检测米粉粉条图像，通过所述目标检测模型对所述待检测米粉粉条图像进行检测，得到米粉霉变的检测结果。
[0014]本专利技术的有益效果是：通过对原始米粉粉条图像的预处理得到待训练图像集，通过待训练图像集对训练模型的训练得到目标检测模型，通过目标检测模型对待检测米粉粉条图像的检测得到米粉霉变的检测结果，丰富了目前基于深度学习的食品霉变识别研究中较为缺失的米粉霉变数据集，可为米粉智能化生产管理与分析提供数据支撑，也一定程度上减少了特征信息的损失，可以进一步提取有效特征，减少了特征的丢失，也有利于更多的保留米粉检测背景和霉变深度情况，更好地平衡不同尺度的特征信息对于输出值的影响，同时，还强化了有效特征，并过滤了无效特征。
附图说明
[0015]图1为本专利技术实施例提供的一种米粉霉变检测方法的流程示意图；
[0016]图2为本专利技术实施例提供的一种米粉霉变检测方法的SPP层的网络结构图；
[0017]图3为本专利技术实施例提供的一种米粉霉变检测方法的CBAM模块的网络结构图之一；
[0018]图4为本专利技术实施例提供的一种米粉霉变检测方法的CBAM模块的网络结构图之二；
[0019]图5为本专利技术实施例提供的一种米粉霉变检测装置的模块框图。
具体实施方式
[0020]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0021]图1为本专利技术实施例提供的一种米粉霉变检测方法的流程示意图。
[0022]如图1所示，一种米粉霉变检测方法，包括如下步骤：
[0023]导入多个原始米粉粉条图像，对所有所述原始米粉粉条图像进行预处理，得到待训练图像集；
[0024]构建训练模型，通过所述待训练图像集对所述训练模型进行训练，得到目标检测模型；
[0025]导入待检测米粉粉条图像，通过所述目标检测模型对所述待检测米粉粉条图像进行检测，得到米粉霉变的检测结果。
[0026]应理解地，对米粉粉条进行多角度拍摄，采集图像，得到原始米粉粉条图像。
[0027]上述实施例中，通过对原始米粉粉条图像的预处理得到待训练图像集，通过待训练图像集对训练模型的训练得到目标检测模型，通过目标检测模型对待检测米粉粉条图像的检测得到米粉霉变的检测结果，丰富了目前基于深度学习的食品霉变识别研究中较为缺失的米粉霉变数据集，可为米粉智能化生产管理与分析提供数据支撑，也一定程度上减少了特征信息的损失，可以进一步提取有效特征，减少了特征的丢失，也有利于更多的保留米粉检测背景和霉变深度情况，更好地平衡不同尺度的特征信息对于输出值的影响，同时，还
强化了有效特征，并过滤了无效特征。
[0028]可选地，作为本专利技术的一个实施例，所述对所有所述原始米粉粉条图像进行预处理，得到待训练图像集的过程包括：
[0029]分别对各个所述原始米粉粉条图像进行数据清洗，得到与各个所述原始米粉粉条图像对应的清洗后米粉粉条图像；
[0030]分别对各个所述清洗后米粉粉条图像进行数据增强，得到与各个所述原始米粉粉条图像对应的增强后米粉粉条图像；
[0031]根据米粉表面霉变信息分别对各个所述增强后米粉粉条图像进行霉变情况的标注处理，得到与各个所述原始米粉粉条图像对应的标注后米粉粉条图像；
[0032]通过所有所述原始米粉粉条图像、所有所述增强后米粉粉条图像以及所有所述标注后米粉粉条图像构建原始图像集；
[0033]利用Makesense工具对所述原始图像集进行坐标信息的标注处理，得到标注后图像集；
[0034]按照预设图像分辨率通过Hough算法对所述标注后图像集进行图像裁剪，得到待训练图像集。
[0035]应理解地，采集米粉粉条图片进行图像预处理，并根据米粉表面霉变情况进行数据分类标注，生成YOLO格式数据集(即所述待训练图像集)。
[0036]应理解地，数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。
[0037]应理解地，数据增强包括垂直与水平镜像、多形式位移、模糊、旋转270...

【技术保护点】

【技术特征摘要】
1.一种米粉霉变检测方法，其特征在于，包括如下步骤：导入多个原始米粉粉条图像，对所有所述原始米粉粉条图像进行预处理，得到待训练图像集；构建训练模型，通过所述待训练图像集对所述训练模型进行训练，得到目标检测模型；导入待检测米粉粉条图像，通过所述目标检测模型对所述待检测米粉粉条图像进行检测，得到米粉霉变的检测结果。2.根据权利要求1所述的米粉霉变检测方法，其特征在于，所述对所有所述原始米粉粉条图像进行预处理，得到待训练图像集的过程包括：分别对各个所述原始米粉粉条图像进行数据清洗，得到与各个所述原始米粉粉条图像对应的清洗后米粉粉条图像；分别对各个所述清洗后米粉粉条图像进行数据增强，得到与各个所述原始米粉粉条图像对应的增强后米粉粉条图像；根据米粉表面霉变信息分别对各个所述增强后米粉粉条图像进行霉变情况的标注处理，得到与各个所述原始米粉粉条图像对应的标注后米粉粉条图像；通过所有所述原始米粉粉条图像、所有所述增强后米粉粉条图像以及所有所述标注后米粉粉条图像构建原始图像集；利用Makesense工具对所述原始图像集进行坐标信息的标注处理，得到标注后图像集；按照预设图像分辨率通过Hough算法对所述标注后图像集进行图像裁剪，得到待训练图像集。3.根据权利要求1所述的米粉霉变检测方法，其特征在于，所述训练模型包括特征提取网络、特征融合网络以及Head预测输出网络，所述待训练图像集包括多个待训练图像，所述构建训练模型，通过所述待训练图像集对所述训练模型进行训练，得到目标检测模型的过程包括：S21：通过所述特征提取网络分别对各个所述待训练图像进行特征提取，得到与各个所述待训练图像对应的第一目标特征图、第二目标特征图、第三目标特征图以及第四目标特征图；S22：通过所述特征融合网络分别对与各个所述待训练图像对应的所述第一目标特征图、与各个所述待训练图像对应的第二目标特征图、与各个所述待训练图像对应的第三目标特征图以及与各个所述待训练图像对应的第四目标特征图进行特征融合，得到与各个所述待训练图像对应的目标融合特征图；S23：通过所述Head预测输出网络对所有所述目标融合特征图进行预测，得到目标置信度以及与所述目标置信度对应的预测框；S24：判断所述目标置信度是否大于或者等于预设初始置信度，若否，则根据所述预测框对所述训练模型进行参数更新，更新后返回步骤S21；若是，则将所述训练模型作为目标检测模型。4.根据权利要求3所述的米粉霉变检测方法，其特征在于，所述特征提取网络包括第一卷积层、标准化层、第一激活函数层、第二激活函数层、第一残差块、第二残差块、第三残差块以及SPP层，所述S21的过程包括：
通过所述第一卷积层分别对各个所述待训练图像进行特征提取，得到与各个所述待训练图像对应的原始图像特征图；通过所述标准化层分别对各个所述原始图像特征图进行高宽压缩处理，得到与各个所述待训练图像对应的压缩后图像特征图；通过所述第一激活函数层分别对各个所述压缩后图像特征图进行通道扩充处理，得到与各个所述待训练图像对应的扩充后图像特征图；通过所述第二激活函数层分别对各个所述扩充后图像特征图进行通道扩充处理，得到与各个所述待训练图像对应的待特征提取图像特征图；通过所述第一残差块分别对各个所述待特征提取图像特征图进行特征提取，得到与各个所述待训练图像对应的第一目标特征图；通过所述第二残差块分别对各个所述第一目标特征图进行特征提取，得到与各个所述待训练图像对应的第二目标特征图；通过所述第三残差块分别对各个所述第二目标特征图进行特征提取，得到与各个所述待训练图像对应的第三目标特征图；通过所述SPP层分别对各个所述第三目标特征图进行特征提取，得到与各个所述待训练图像对应的第四目标特征图。5.根据权利要求4所述的米粉霉变检测方法，其特征在于，所述SPP层包括第二卷积层、5*5池化层组、平均池化层、13*13池化层以及第三卷积层，所述通过所述SPP层分别对各个所述第三目标特征图进行特征提取，得到与各个所述待训练图像对应的第四目标特征图的过程包括：通过所述第二卷积层分别对各个所述第三目标特征图进行通道调整，得到与各个所述待训练图像对应的调整后目标特征图；通过所述5*5池化层组分别对各个所述调整后目标特征图进行特征提取，得到与各个所述待训练图像对应的特征提取后目标特征图；通过所述平均池化层分别对各个所述特征提取后目标特征图进行特征提取，得到与各个所述待训练图像对应的待提取目标特征图；通过所述13*13池化层分别对各个所述待提取目标特征图进行特征提取，得到与各个所述待训练图像对应的待融合目标特征图；将各个所述待融合目标特征图与对应的所述第三目标特征图进行特征融合，得到与各个所述待训练图像对应的第一融合特征图；通过所述第三卷积层分别对各个所述第一融合特征图进行通道调整，得到与各个所述待训练图像对应的第四目标特征图。6.根据权利要求3所述的米粉霉变检测方法，其特征在于，所述特征融合网络包括上采样层和多个依次排列的下采样层，所述S22的过程包括：通过所述上采样层分别对各个所述第三目标特征图以及与各个所述待训练图像对应的第四目标特征图进行上采样分析，得到与各个所述待训练图像对应的上采样后目标特征图；通过第一个下采样层分别对各个所述第一目标特征图、与各个所述待训练图像对应的
第二目标特征图以及与各个所述待训练图像对应的上采样后目标特征图进行下采样分析，得到与各个所述待训练图像对应的下采样后目标特征图；将各个所述...

【专利技术属性】
技术研发人员：谌婷，陈林涛，于新业，王逢博，杨玲英，庾志勇，薛俊祥，刘兆祥，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：