本公开的实施例公开了图像去噪模型生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取生鲜图像集合；从生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；对目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；根据噪声原图像集合和目标生鲜图像集合，生成生鲜图像数据集；根据生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；将目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。该实施方式提高了生鲜识别的准确率和打印生鲜标签的准确率，减少了打印纸张的浪费。减少了打印纸张的浪费。减少了打印纸张的浪费。
【技术实现步骤摘要】
图像去噪模型生成方法、装置、设备和计算机可读介质
[0001]本公开的实施例涉及计算机
，具体涉及图像去噪模型生成方法、装置、设备和计算机可读介质。
技术介绍
[0002]近年来，基于人工智能的生鲜识别算法被广泛应用在各个超市、菜市场的生鲜物品的自动识别和称重中。通过训练深度学习模型，实现对生鲜物品的智能识别，进而称重并计算价值信息。
[0003]然而，专利技术人发现，当采用上述方式对生鲜物品进行识别时，经常会存在如下技术问题：
[0004]第一，只训练单一的深度学习模型进行生鲜图像去噪，未考虑从众多深度学习模型中选择生鲜图像去噪效果较好的模型，导致生鲜图像去噪的准确率较低，从而导致生鲜识别的准确率较低，从而导致打印的生鲜标签的准确率较低，进而导致打印纸张的浪费。
[0005]第二，在对生鲜图像进行生鲜识别时，未考虑生鲜图像中手部遮挡、生鲜物品包装、塑料袋遮挡等噪声对生鲜识别的影响，导致生鲜识别的准确率较低。
[0006]第三，在训练生鲜识别模型时，采用未经去噪处理的生鲜图像作为数据集，当数据集中存在较多大面积遮挡的生鲜图像时，导致训练出的生鲜识别模型的泛化能力较低，导致生鲜识别的准确率较低。
[0007]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0008]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0009]本公开的一些实施例提出了图像去噪模型生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0010]第一方面，本公开的一些实施例提供了一种图像去噪模型生成方法，该方法包括：获取生鲜图像集合；从上述生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；对上述目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；根据上述噪声原图像集合和上述目标生鲜图像集合，生成生鲜图像数据集；根据上述生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；将上述目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。
[0011]第二方面，本公开的一些实施例提供了一种生鲜识别方法，该方法包括：获取待识别生鲜图像；将上述待识别生鲜图像输入至图像去噪模型中，得到去噪生鲜图像，其中，上述图像去噪模型是采用上述第一方面任一实现方式所描述的方法生成的；将上述去噪生鲜
图像输入至生鲜识别模型中，得到对应上述待识别生鲜图像的生鲜识别结果，其中，上述生鲜识别结果包括生鲜名称；根据上述生鲜识别结果，确定上述生鲜名称对应的生鲜的价值标签信息；控制相关联的称量设备称量上述生鲜名称对应的生鲜的重量信息；根据上述重量信息和上述价值标签信息，确定上述生鲜名称对应的生鲜的价值信息；将上述生鲜名称、上述价值标签信息、上述重量信息和上述价值信息确定为上述生鲜名称对应的生鲜的标签信息；控制相关联的打印设备打印出上述标签信息。
[0012]第三方面，本公开的一些实施例提供了一种图像去噪模型生成装置，装置包括：获取单元，被配置成获取生鲜图像集合；选择单元，被配置成从上述生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；加噪单元，被配置成对上述目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；第一生成单元，被配置成根据上述噪声原图像集合和上述目标生鲜图像集合，生成生鲜图像数据集；第二生成单元，被配置成根据上述生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；确定单元，被配置成将上述目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。
[0013]第四方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0014]第五方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0015]本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的图像去噪模型生成方法，减少了打印纸张的浪费。具体来说，造成打印纸张的浪费的原因在于：只训练单一的深度学习模型进行生鲜图像去噪，未考虑从众多深度学习模型中选择生鲜图像去噪效果较好的模型，导致生鲜图像去噪的准确率较低，从而导致生鲜识别的准确率较低，从而导致打印的生鲜标签的准确率较低。基于此，本公开的一些实施例的图像去噪模型生成方法：首先，获取生鲜图像集合。由此，可以得到生鲜图像集合。然后，从上述生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合。由此，可以得到符合预设噪声条件的各个生鲜图像。接着，对上述目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合。由此，可以得到加噪处理后的各个噪声原图像和各个目标生鲜图像。之后，根据上述噪声原图像集合和上述目标生鲜图像集合，生成生鲜图像数据集。由此，可以得到生鲜图像数据集，用于训练生鲜图像去噪模型。接着，根据上述生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合。由此，可以得到各个训练完成的目标图像去噪模型。之后，将上述目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。由此，可以得到满足预设准确率条件的图像去噪模型。也因为所实现的图像去噪模型生成方法，对训练图像数据集进行了加噪处理，提升了图像去噪模型对于图像噪声的检出率。还因为设计了各个初始图像去噪模型，从而训练出各个目标图像去噪模型，进而可以从各个目标图像去噪模型中选择满足预设准确率条件的模型作为最终的图像去噪模型，提高了生鲜图像去噪的准确性，从而提高了生鲜识别的准确率，进而提高了打印生鲜标签的准确率。进而减少了打印纸张的浪费。
附图说明
[0016]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0017]图1是根据本公开的图像去噪模型生成方法的一些实施例的流程图；
[0018]图2是根据本公开的生鲜识别方法的一些实施例的流程图；
[0019]图3是根据本公开的图像去噪模型生成装置的一些实施例的结构示意图；
[0020]图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0021]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像去噪模型生成方法，包括：获取生鲜图像集合；从所述生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；对所述目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；根据所述噪声原图像集合和所述目标生鲜图像集合，生成生鲜图像数据集；根据所述生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；将所述目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。2.根据权利要求1所述的方法，其中，所述对所述目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合，包括：对于所述目标图像集合中的每个目标图像，执行以下步骤：根据所述目标图像，获取对应所述目标图像的前景蒙版图像；将预设加噪处理信息序列中的至少一个预设加噪处理信息确定为加噪处理流程信息；根据所述目标图像、所述前景蒙版图像和所述加噪处理流程信息，生成噪声原图像和目标生鲜图像；将所生成的各个噪声原图像确定为噪声原图像集合；将所生成的各个目标生鲜图像确定为目标生鲜图像集合。3.根据权利要求2所述的方法，其中，所述根据所述目标图像、所述前景蒙版图像和所述加噪处理流程信息，生成噪声原图像和目标生鲜图像，包括：根据所述目标图像和所述前景蒙版图像，生成第一目标生鲜图像；将所述目标图像确定为加噪图像；响应于确定所述加噪处理流程信息包括手遮挡处理信息，执行以下手遮挡处理步骤：根据所述加噪图像、所述第一目标生鲜图像和预设手遮挡图像数据集合，生成第一噪声原图像和第二目标生鲜图像；将所述第一噪声原图像确定为加噪图像；响应于确定所述加噪处理流程信息包括网状处理信息，执行以下网状处理步骤：根据加噪图像、所述前景蒙版图像和预设包装颜色集合，生成第二噪声原图像；将所述第二噪声原图像确定为加噪图像；响应于确定所述加噪处理流程信息包括塑料袋遮挡处理信息，执行以下塑料袋遮挡处理步骤：根据加噪图像和预设塑料袋遮挡图像集合，生成第三噪声原图像；将所述第三噪声原图像确定为加噪图像；将所确定的加噪图像确定为噪声原图像；响应于确定所述加噪处理流程信息包括手遮挡处理信息，将所述第二目标生鲜图像确定为目标生鲜图像；响应于确定所述加噪处理流程信息不包括手遮挡处理信息，将所述第一目标生鲜图像确定为目标生鲜图像。4.根据权利要求1所述的方法，其中，所述根据所述生鲜图像数据集和预设初始图像去
噪模型集合，生成目标图像去噪模型集合，包括：对于所述预设初始图像去噪模型集合中的每个预设初始图像去噪模型，执行以下步骤：将所述生鲜图像数据集确定为第一样本集，其中，所述第一样本集中的第一样本包括样本噪声原图像和样本生鲜图像；根据第一样本集，执行以下训练步骤：将第一样本集中的至少一个第一样本的样本噪声原图像输入至预设初始图像去噪模型，得到至少一个第一样本中的每个第一样本的去噪生鲜图像；根据所述至少...
【专利技术属性】
技术研发人员：徐振博，韩志林，黄龚，
申请(专利权)人：杭州食方科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。