[发明专利]基于深度学习的葡萄糖度无损检测方法

说明书

本发明公开了一种基于深度学习的葡萄糖度无损检测方法，涉及水果品质检测领域。本方法是：①构建葡萄数据集：A.使用手机拍摄葡萄；B.测量糖度；②将图片数据按照糖度区间分类；③图像分割；④数据扩增：A、缩放；B、旋转；⑤深度学习的糖度预测模型；⑥分类回归汇聚；⑦模型集成；⑧模型测试。本发明具有下列优点和积极效果：①建立了一种全新的基于深度学习的葡萄糖度检测模型，深度学习算法相对于传统的算法，能够进行自我学习，模型的预测能力更强；②可保证水果样本的完整性，实现糖度无损检测。

技术领域

本发明涉及水果品质检测领域，尤其涉及一种基于深度学习的葡萄糖度无损检测方法；具体地说是结合了深度学习方法，涉及了一种任意葡萄图像，检测出整串葡萄的糖度值，实现葡萄无损检测。

背景技术

利用计算机视觉技术实现农产品内部品质无损检测是目前国际上正在研究的热点课题，为探索对葡萄内部、外部多个指标进行无损检测的提供了可行性，大量检索相关文献，目前已有相关研究基于可见光RGB图像，利用计算机视觉方法对各种农产品或食品的内外品质指标进行精确评估预测。

现阶段的无损检测技术主要是基于近红外高光谱技术和传统计算机视觉技术。传统方法检测指标单一，特征提取工作繁琐，对不同的任务需要进行针对性的特征提取。为进一步提高无损检测的精度和效率，满足生产生活需求，急需一种能够实现对整串葡萄进行无损检测的方法。

本发明利用手机采集图像，采集图像方式方便快捷。在数据预处理阶段，本发明提出了基于图像分割的数据预处理方法，可以减少图像噪声对模型训练的干扰，因此图像可在任意背景下通过手机拍摄得到。本发明采用迁移学习方法和深度自注意力网络方法。迁移学习方法是基于在大型可视化数据库上训练得到的模型来提取图像特征，具有很好的提取葡萄图像特征的效果，在糖度训练模型中能够得到更好的葡萄糖度预测效果。深度自注意力网络基于自注意力机制由多编码器组成的网络，在视觉领域能够取得很好的性能。

发明内容：

本发明的目的就在于克服现有技术存在缺点和不足，提供一种基于深度学习的葡萄糖度无损检测方法；将深度学习技术应用于葡萄糖度检测，实现精确的检测葡萄内部糖度信息。

本发明采用以下技术方案：

本发明提出了基于深度学习的葡萄糖度检测方法，结合标注的糖度信息，训练深度学习模型，以此来预测整串葡萄的糖度信息。本发明提出了图像分割的预处理方法，使得在构建葡萄数据时不限制于某个特定场景，实现了能够在任意场景采集的葡萄图片，同时提出了基于不同糖度区间步长的方法，以及模型集成的方法，有利于结合不同模型的优势，使得集成模型取得更好的效果，同时在训练模型时结合分类与回归的思想，采用了基于传统的回归模型损失函数的平方差损失，基于传统的分类模型的交叉熵损失作为辅助来共同构建一个新的损失函数。

1、研究对象

本发明以葡萄为研究对象，从本地超市或网购的方式购买不同类别的葡萄，以及直接去种植基地购买的葡萄。

2、深度学习方法

建立基于深度学习的回归模型，将构建的葡萄数据集输入深度学习模型进行训练。如图1，本方法工作流程如下：

①构建葡萄数据集

A、使用手机拍摄葡萄

从超市购买的葡萄置于一采光良好且带有悬挂点的背景上用手机进行拍摄，或使用手机直接拍摄果园里的葡萄；

B、测量糖度

一面葡萄拍摄完毕后，选取该面4-5颗葡萄逐颗测量得到糖度值，最终取平均值保留小数点后两位作为该串葡萄这一面的标签值；

②划分糖度区间

根据糖度区间步长的不同，将糖度区间步长设置为0.4、0.6、0.8、1；

③图像分割