一种基于深度学习的水果质量评估系统技术方案

本发明专利技术提供了一种基于深度学习的水果质量评估系统，包括数据采集和预处理模块

【技术实现步骤摘要】
一种基于深度学习的水果质量评估系统


[0001]本专利技术涉及一种基于深度学习的水果质量评估系统
。

技术介绍

[0002]目前，对于水果质量的问题，通常需要人工进行检查和评估，但人工评估水果质量存在主观性和个体差异，不同的人可能会根据自己的经验和判断标准给出不同的评价结果，缺乏统一性和客观性；其次需要雇佣大量的专业人员进行水果质量检查和评估，这需要耗费大量的人力资源和经济成本
。
[0003]因此，由于水果质量检查和评估需要耗费大量的时间，可能造成产品流通效率低下
、
滞销或过期等问题，且人工检查和评估水果质量可能存在误判或者一致性不足的问题，即不同的检查员可能对同一批产品给出不一致的评估结果
。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供了一种基于深度学习的水果质量评估系统，该基于深度学习的水果质量评估系统通过利用深度学习模型对水果进行自动化评估和质量预测，节省了人力成本，同时也提高评估准确性和效率
。
[0005]本专利技术通过以下技术方案得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的水果质量评估系统，其特征在于：包括数据采集和预处理模块
、
深度学习模块
、
质量评估模块，其中：数据采集和预处理模块：采集水果图像数据，并对采集到的水果图像数据进行预处理，提取图像特征，构成训练集和测试集；深度学习模块：使用训练集训练
CNN
‑
Transformer
模型，通过
CNN
‑
Transformer
模型获取水果质量的概率分布，使用测试集评估训练好后的
CNN
‑
Transformer
模型的性能，并获取评估指标来评估外观质量；质量评估模块：使用训练好的
CNN
‑
Transformer
模型对新的水果图像进行外观质量评估，输出相应的质量类别
。2.
如权利要求1所述的基于深度学习的水果质量评估系统，其特征在于：预处理包括水果图像数据的区域分割
、
去噪
、
增强
、
边缘检测
、
数据清洗
、
数据裁剪
、
标准化
。3.
如权利要求1所述的基于深度学习的水果质量评估系统，其特征在于：质量类别分为合格和不合格
。4.
如权利要求1所述的基于深度学习的水果质量评估系统，其特征在于：使用带有标签的训练集对
CNN
‑
Transformer
模型进行训练，并通过最小化损失函数来优化
CNN
‑
Transformer
模型参数
。5.
如权利要求1所述的基于深度学习的水果质量评估系统，其特征在于：使用
RMSProp
...

【专利技术属性】
技术研发人员：张峰，蒋明，刘章珩，何新磊，唐高峰，卢垚，陶星宇，
申请(专利权)人：广西数科院科技有限公司，
类型：发明
国别省市：