[发明专利]基于图谱识别和深度学习的果实分类的分析方法

说明书

本发明提供了一种基于图谱识别和深度学习的果实分类的分析方法，利用移动机器人采集图像样本通过LMDB数据源的建立以及OpenCV图像预处理；在Caffe框架下进行网络参数的配置；利用CNN卷积神经网络算法构建标准模型，可以实现水果的分类和优选；并且绘制LOSS曲线判别曲线拟合程度。本发明利用基于图谱识别和深度学习的果实分类的分析方法，实现水果的大小、颜色分类，降低了人工水果分拣劳动强度，提高了分拣效率。

技术领域

本发明涉及农业产品图像识别领域，具体涉及到一种基于图谱识别和深度学习的果实分类的分析方法。

背景技术

我国是世界上最大的水果产出国，种植面积与水果产量一直稳居世界第一。同时，果品的质量与产业化水平也有了很大提高，目前，水果产业已经成为了继粮食、蔬菜之后的第三大农业种植产业，是国内外市场前景广阔且具有较强国际竞争力的优势农业产业，也是许多地方经济发展的亮点和农民致富的支柱产业之一。

传统的人工水果分类主要是从色、形两个方面进行人工判别的，它的缺点是效率低、耗时长、识别准确率不稳定等。随着计算机图像处理和模式识别的技术不断成熟和发展，在水果识别方面的自动判别技术也慢慢成熟。国内外对此作了大量的研究，例如Canakkale University 的 Professor，I.Kavdir 等根据苹果的表面质量状况，包括苹果的像素灰度值、纹理特征等来对苹果进行两种类型的分级，一种是“好与差”两级分类，另一种是较为细致的五级分类，都取得了较好的效果。Trueba 等研究者研究提取肉的表面纹理及颜色特征，利用神经网络精确地描述牛肉嫩度。国内的研究主要是在华中农业大学、中国农业大学、中国农科院等高等院校里，安徽农科院的吕秋霞等人提取了水果的颜色、形状以及纹理三个特征，随后利用单个神经网络对其进行等级分类，也取得了一定的成果。

然而无论是国外的专家，还是国内的研究者，所采用的分类器都是单一，换句话说就是单分类器，导致等级判别正确率难以有效提高。此外，目前，我们国家的水果等级分类过程大多采用人工分级，自动化分级系统应用较少。而人工水果分级的不足之处在于 ：耗时长，结果不稳定，容易受人为因素干扰，并且耗费大量的人力和物力，不适合水果深加工产业的发展，也制约了我国水果产业在国际市场的竞争力。

发明内容

本发明的目的在于提供一种基于图谱识别和深度学习的果实分类的分析方法，解决上述技术问题。

一种基于图谱识别和深度学习的果实分类的分析方法，以图像样本通过LMDB数据源的建立 以及OpenCV图像预处理 ；在Caffe框架下进行网络参数的配置；利用CNN卷积神经网络算法构建标准模型，可以实现水果的分类和优选。

本方法具体步骤包括 ：

（1）收集水果和果实不同状态下的样本图片，使用图片裁剪工具对各样本图片进行裁剪，使整个果实完全位于图片内部，然后将图片存入到基于二叉树的数据库管理库LMDB中，

（2）利用OpenCV图像处理的方法对存入的图像进行旋转，平移，特征缩放和分量均值零化。图片的旋转和平移可以增加样本图片的数量，增强数据源；特征缩放和分量均值零化可以实现图片特征的标准化，改善神经网络模型，