一种基于AI算法的果蔬缺陷检测方法和系统技术方案

本发明专利技术提出了一种基于AI算法的果蔬缺陷检测方法和系统。所述果蔬缺陷检测方法包括：利用果蔬缺陷图片建立训练样本图像数据库；利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型；实时采集果蔬的实际图像信息，将所述实际图像信息作为待识别图像输入至卷积神经网络模型中进行图像识别，通过所述卷积神经网络模型输出图像识别结果。所述系统包括与所述方法步骤对应的模块。步骤对应的模块。步骤对应的模块。

【技术实现步骤摘要】
一种基于AI算法的果蔬缺陷检测方法和系统


[0001]本专利技术一种基于AI算法的果蔬缺陷检测方法和系统，属于检测


技术介绍

[0002]果蔬缺陷检测是果蔬食品工业的重要一环，主要是对果蔬表面疤痕、腐烂、脏污等缺陷的识别与检测，剔除不合格的水果和蔬菜，保证食品安全。现在一般选用人工缺陷识别与基于机器识别的果蔬表面缺陷识别技术。但是这两种方法存在以下缺陷：
[0003]第一、人工缺陷识别虽然在一定程度上确保了果蔬表面缺陷识别的准确度，但是在时间与人力资源成本上消耗成本相对较大，会占据果蔬工业经济开支的部分开销。
[0004]第二、基于机器识别的果蔬表面识别技术漏检和误检率高，检测效果不理想。无法同时检测出一张图片内多种缺陷、难以分辨暗斑与背景颜色。

技术实现思路

[0005]本专利技术提供了一种基于AI算法的果蔬缺陷检测方法和系统，用以解决现有技术中果蔬缺陷检测方法耗费人力，检测效率低且错误率高的问题，所采取的技术方案如下：
[0006]一种基于AI算法的果蔬缺陷检测方法，所述果蔬缺陷检测方法包括：
[0007]利用果蔬缺陷图片建立训练样本图像数据库；
[0008]利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型；
[0009]实时采集果蔬的实际图像信息，将所述实际图像信息作为待识别图像输入至卷积神经网络模型中进行图像识别，通过所述卷积神经网络模型输出图像识别结果。r/>[0010]进一步地，利用果蔬缺陷图片建立训练样本图像数据库，包括：
[0011]通过获取用户信息确定果蔬缺陷检测用户的待检测果蔬的品种类型；
[0012]根据所述待检测果蔬的品种类型获取与所述待检测果蔬的品种类型对应的多个果蔬缺陷图片；其中，每一个品种类别对应的果蔬缺陷图片不得少于100张；
[0013]实时检测是否存在新增果蔬的品种类别，当存在新增果蔬的品种类别时，获取与所述新增果蔬的品种类别对应的多个果蔬缺陷图片；
[0014]利用所述多个果蔬缺陷图片构建训练样本图像数据库。
[0015]进一步地，利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型，包括：
[0016]按照果蔬类别依次提取每个果蔬类别对应的果蔬缺陷图片，并按照果蔬类别为单位形成每个果蔬类别对应的果蔬缺陷图片集合；
[0017]对所述卷积神经网络模型中的卷积神经网络进行初始化，获得完成初始化的卷积神经网络；
[0018]根据卷积神经网络内所包含的正交路径数量对所述果蔬缺陷图片集合进行子集合划分，获得每个果蔬缺陷图片集合对应的多个子集合；
[0019]将一个果蔬缺陷图片集合输入至卷积神经网络，并且，将所述果蔬缺陷图片集合对应的多个子集合依次循环输入至每个正交路径中，使每个正交路径均遍历所有子集合；保证每个正交路径中均同时存在多个果蔬缺陷图片；并且，每个正交路径同一时刻下的子集合不相同；
[0020]通过一个正交路径输出多个图片预测结果，将所述多个图片预测结果与其对应的果蔬缺陷图片原图进行比较，获取预测差异；
[0021]利用所述预测差异更新卷积神经网络的参数，并利用下一个果蔬缺陷图片集合进行卷积神经网络进行训练，直至遍历所有果蔬缺陷图片集合则完成模型训练，获得训练好的卷积神经网络模型。
[0022]进一步地，根据卷积神经网络内所包含的正交路径数量对所述果蔬缺陷图片集合进行子集合划分，获得每个果蔬缺陷图片集合对应的多个子集合，包括：
[0023]提取正交路径数量值和所述果蔬缺陷图片集合中的果蔬缺陷图片总数量；
[0024]按照M/(2N+1)的关系确定每个子集合中的果蔬缺陷图片数量，并形成多个子集合；其中，M表示果蔬缺陷图片总数量，N表示正交路径数量值。
[0025]一种基于AI算法的果蔬缺陷检测系统，所述果蔬缺陷检测系统包括：
[0026]数据库建立模块，用于利用果蔬缺陷图片建立训练样本图像数据库；
[0027]模型训练模块，用于利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型；
[0028]实时采集模块，用于实时采集果蔬的实际图像信息，将所述实际图像信息作为待识别图像输入至卷积神经网络模型中进行图像识别，通过所述卷积神经网络模型输出图像识别结果。
[0029]进一步地，所述数据库建立模块包括：
[0030]类型确定模块，用于通过获取用户信息确定果蔬缺陷检测用户的待检测果蔬的品种类型；
[0031]图片获取模块，用于根据所述待检测果蔬的品种类型获取与所述待检测果蔬的品种类型对应的多个果蔬缺陷图片；其中，每一个品种类别对应的果蔬缺陷图片不得少于100张；
[0032]类别检测模块，用于实时检测是否存在新增果蔬的品种类别，当存在新增果蔬的品种类别时，获取与所述新增果蔬的品种类别对应的多个果蔬缺陷图片；
[0033]构建模块，用于利用所述多个果蔬缺陷图片构建训练样本图像数据库。
[0034]进一步地，所述模型训练模块包括：
[0035]缺陷图片提取模块，用于按照果蔬类别依次提取每个果蔬类别对应的果蔬缺陷图片，并按照果蔬类别为单位形成每个果蔬类别对应的果蔬缺陷图片集合；
[0036]初始化模块，用于对所述卷积神经网络模型中的卷积神经网络进行初始化，获得完成初始化的卷积神经网络；
[0037]集合划分模块，用于根据卷积神经网络内所包含的正交路径数量对所述果蔬缺陷图片集合进行子集合划分，获得每个果蔬缺陷图片集合对应的多个子集合；
[0038]输入模块，用于将一个果蔬缺陷图片集合输入至卷积神经网络，并且，将所述果蔬缺陷图片集合对应的多个子集合依次循环输入至每个正交路径中，使每个正交路径均遍历
所有子集合；保证每个正交路径中均同时存在多个果蔬缺陷图片；并且，每个正交路径同一时刻下的子集合不相同；
[0039]差异获取模块，用于通过一个正交路径输出多个图片预测结果，将所述多个图片预测结果与其对应的果蔬缺陷图片原图进行比较，获取预测差异；
[0040]参数更新模块，用于利用所述预测差异更新卷积神经网络的参数，并利用下一个果蔬缺陷图片集合进行卷积神经网络进行训练，直至遍历所有果蔬缺陷图片集合则完成模型训练，获得训练好的卷积神经网络模型。
[0041]进一步地，所述集合划分模块包括：
[0042]元素提取模块，用于提取正交路径数量值和所述果蔬缺陷图片集合中的果蔬缺陷图片总数量；
[0043]子集合形成模块，用于按照M/(2N+1)的关系确定每个子集合中的果蔬缺陷图片数量，并形成多个子集合；其中，M表示果蔬缺陷图片总数量，N表示正交路径数量值。
[0044]本专利技术有益效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI算法的果蔬缺陷检测方法，其特征在于，所述果蔬缺陷检测方法包括：利用果蔬缺陷图片建立训练样本图像数据库；利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型；实时采集果蔬的实际图像信息，将所述实际图像信息作为待识别图像输入至卷积神经网络模型中进行图像识别，通过所述卷积神经网络模型输出图像识别结果。2.根据权利要求1所述果蔬缺陷检测方法，其特征在于，利用果蔬缺陷图片建立训练样本图像数据库，包括：通过获取用户信息确定果蔬缺陷检测用户的待检测果蔬的品种类型；根据所述待检测果蔬的品种类型获取与所述待检测果蔬的品种类型对应的多个果蔬缺陷图片；其中，每一个品种类别对应的果蔬缺陷图片不得少于100张；实时检测是否存在新增果蔬的品种类别，当存在新增果蔬的品种类别时，获取与所述新增果蔬的品种类别对应的多个果蔬缺陷图片；利用所述多个果蔬缺陷图片构建训练样本图像数据库。3.根据权利要求1所述果蔬缺陷检测方法，其特征在于，利用所述训练样本图像数据库中的训练样本图像作为待识别图像输入至卷积神经网络模型中进行模型识别训练，获得训练好的卷积神经网络模型，包括：按照果蔬类别依次提取每个果蔬类别对应的果蔬缺陷图片，并按照果蔬类别为单位形成每个果蔬类别对应的果蔬缺陷图片集合；对所述卷积神经网络模型中的卷积神经网络进行初始化，获得完成初始化的卷积神经网络；根据卷积神经网络内所包含的正交路径数量对所述果蔬缺陷图片集合进行子集合划分，获得每个果蔬缺陷图片集合对应的多个子集合；将一个果蔬缺陷图片集合输入至卷积神经网络，并且，将所述果蔬缺陷图片集合对应的多个子集合依次循环输入至每个正交路径中，使每个正交路径均遍历所有子集合；保证每个正交路径中均同时存在多个果蔬缺陷图片；并且，每个正交路径同一时刻下的子集合不相同；通过一个正交路径输出多个图片预测结果，将所述多个图片预测结果与其对应的果蔬缺陷图片原图进行比较，获取预测差异；利用所述预测差异更新卷积神经网络的参数，并利用下一个果蔬缺陷图片集合进行卷积神经网络进行训练，直至遍历所有果蔬缺陷图片集合则完成模型训练，获得训练好的卷积神经网络模型。4.根据权利要求3所述果蔬缺陷检测方法，其特征在于，根据卷积神经网络内所包含的正交路径数量对所述果蔬缺陷图片集合进行子集合划分，获得每个果蔬缺陷图片集合对应的多个子集合，包括：提取正交路径数量值和所述果蔬缺陷图片集合中的果蔬缺陷图片总数量；按照M/(2N+1)的关系确定每个子集合中的果蔬缺陷图片数量，并形成多个子集合；其中，M表示果蔬缺陷图片总数量，N表示正交路径数量值。5.一种基于AI算法的果蔬缺陷...

【专利技术属性】
技术研发人员：余丹，兰雨晴，于艺春，王丹星，邢智涣，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：