[发明专利]基于迁移学习的地瓜外观品质分类方法与装置

权利要求书

1.一种基于迁移学习的地瓜外观品质分类方法，其特征在于，包括以下步骤：

采集已分类的地瓜的RGB图像，将已分类的地瓜的RGB图像构建地瓜图像数据集，其中，地瓜图像数据集包括训练图像、验证图像和测试图像；

将训练好的ResNet18深度卷积神经网络的特征提取部分与分类器结合设计，得到地瓜外观品质分类网络；

初始化地瓜外观品质分类网络的参数，使用训练图像和验证图像对地瓜外观品质分类网络进行训练，得到训练好的地瓜外观品质分类网络；

将测试图像输入训练好的地瓜外观品质分类网络，即可输出地瓜外观品质分类结果。

2.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，还包括：

将地瓜外观品质分类结果存储在第三方，其中，地瓜外观品质分类结果与对应的测试图像中的地瓜外观相匹配。

3.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，在采集已分类的地瓜的RGB图像之前，还包括：

将采摘的地瓜由专业人土进行分类；

利用相机拍摄已分类的地瓜，并采集所拍摄的地瓜的RGB图像。

4.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，使用训练图像和验证图像对地瓜外观品质分类网络进行训练之前，还包括：

对训练图像和验证图像进行数据增强处理。

5.根据权利要求4所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，对训练图像和验证图像进行数据增强处理，包括：

对训练图像和验证图像进行随机裁剪处理、随机翻转处理、随机旋转处理、随机高斯噪声处理和随机亮度变化处理。

6.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，使用训练图像和验证图像对地瓜外观品质分类网络进行训练时，包括利用微调技术结合训练图像和验证图像对地瓜外观品质分类网络进行训练。

7.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，将训练好的ResNet18深度卷积神经网络的特征提取部分与分类器结合设计之前，还包括：

使用ImageNet数据集对ResNet18深度卷积神经网络进行训练，得到训练好的ResNet18深度卷积神经网络。

8.根据权利要求1所述的基于迁移学习的地瓜外观品质分类方法，其特征在于，在训练地瓜外观品质分类网络过程中，使用交叉熵函数作为训练过程的代价函数。

9.一种基于迁移学习的地瓜外观品质分类装置，其特征在于，包括相机、采集模块、构建数据模块、设计网络模块、训练网络模块和输出模块；

相机，用于拍摄地瓜，并将拍摄的地瓜的RGB图像发送至采集模块；

采集模块，用于采集已分类的地瓜的RGB图像；

构建数据模块，用于将已分类的地瓜的RGB图像构建地瓜图像数据集，其中，地瓜图像数据集包括训练图像、验证图像和测试图像；

设计网络模块，用于将训练好的ResNet18深度卷积神经网络的特征提取部分与分类器结合设计，得到地瓜外观品质分类网络；

训练网络模块，用于初始化地瓜外观品质分类网络的参数，使用训练图像和验证图像对地瓜外观品质分类网络进行训练，得到训练好的地瓜外观品质分类网络；

输出模块，用于将测试图像输入训练好的地瓜外观品质分类网络，即可输出地瓜外观品质分类结果。

10.根据权利要求9所述的基于迁移学习的地瓜外观品质分类装置，其特征在于，还包括三角支架、LED灯和白色瓷砖；

三角支架，用于固定LED灯和相机；

LED灯，至少两个LED灯安装在三角支架上，且位于相机的两侧边，用于相机拍摄照片时，补充光照；

白色瓷砖，安装在相机正下方，用于摆放地瓜。