[发明专利]一种基于卷积神经网络的成品茶叶种类及品级识别方法有效
| 申请号： | 202010229404.3 | 申请日： | 2020-03-27 |
| 公开（公告）号： | CN111414971B | 公开（公告）日： | 2023-05-02 |
| 发明（设计）人： | 杨健楠;张帆;钱甜甜 | 申请（专利权）人： | 南京工业大学;南京摩深信息科技有限公司 |
| 主分类号： | G06V20/68 | 分类号： | G06V20/68;G06V10/82;G06V10/26;G06V10/77;G06V10/774;G06V10/80;G06N3/0464;G06N3/08 |
| 代理公司： | 北京思创大成知识产权代理有限公司 11614 | 代理人： | 尹慧晶 |
| 地址： | 211816 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于卷积神经网络的成品茶叶种类及品级识别方法，该方法包括：成品茶叶样本图像采集步骤；成品茶叶样本图像处理步骤；训练成品茶叶的类型品级识别模型和成品茶叶图像识别步骤。本发明的方法可以精确地识别成品茶叶的种类及品级，在45种不同的茶叶种类和品级上进行了测试，识别的平均准确率在90％以上；弥补了目前茶叶市场对于成品茶叶无法有效鉴定的情况，并且识别的准确性较好。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 成品 茶叶 种类 品级 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京工业大学;南京摩深信息科技有限公司，未经南京工业大学;南京摩深信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010229404.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于机器学习随机森林算法的鸡蛋暗斑检测方法-202310628118.8
- 郑江霞;宣琳;徐桂云;杨宁 - 中国农业大学
- 2023-05-30 - 2023-10-27 - G06V20/68
- 本发明涉及一种基于机器学习随机森林算法的鸡蛋暗斑检测方法，该方法包括鸡蛋暗斑图像样本的采集步骤，预处理步骤，鸡蛋暗斑图像样本的特征值提取步骤，随机森林算法的模型构建，以及利用随机森林算法对暗斑进行自动识别和检测步骤。本发明提供的检测方法利用随机森林算法并运用鸡蛋本身的暗斑特征图像，建立自动化的鸡蛋暗斑评价体系，能够自动识别暗斑区域，并自动计算暗斑的面积大小，反映鸡蛋暗斑的严重程度。与其他机器学习算法相比，可以高效地对大量鸡蛋样本进行回归、分类及预测，且其构建模型所需样本数量少，准确率高，易用性强，能显著提高鸡蛋暗斑评价的效率及准确性和一致性，具有广阔的应用前景。
- 一种基于改进YOLOv8s的轻量级石榴识别方法-202310686793.6
- 王九鑫;董琪;刘嫚;苏耀恒;刘宇程;成鹏飞;卢定泽;杨濛 - 西安工程大学
- 2023-06-12 - 2023-10-27 - G06V20/68
- 本发明公开了基于改进YOLOv8s的轻量级石榴识别方法，该方法包括以下步骤：搭建轻量化YOLOv8网络；获取石榴图像并搭建数据集，将所述数据集按比例划分为训练集、验证集以及测试集；将数据集送入所述轻量化YOLOv8网络进行训练，得到权重文件；将所述测试集中的图片利用所述权重文件进行测试，得到改进网络的效果和检测结果。该方法采用ShuffleNetv2替换YOLOv8检测算法的骨干网络，并集成了超轻量化注意力机制ECA(EfficientChannel Attention)，在不提升模型计算量的同时保持YOLOv8的精度优势。进一步地，将标准卷积模块替换成深度可分离卷积(DWConv)模块，使模型极致轻量化，满足部署到嵌入式设备的要求。
- 脐橙新鲜度无损检测方法、装置、电子设备及存储介质-202310810950.X
- 魏小梅;徐娟;袁千石 - 华中农业大学
- 2023-07-03 - 2023-10-27 - G06V20/68
- 本申请公开了一种脐橙新鲜度无损检测方法、装置、电子设备及存储介质，通过对脐橙样本进行处理，得到其对应的多角度图像样本、理化指标结果数据样本和采摘时间数据样本，并且对理化指标结果数据样本和采摘时间数据样本进行数据处理，以确定脐橙样本的新鲜度结果样本，得到了多角度图像样本对应的新鲜度结果样本；再通过端到端的初始无损检测模型对多角度图像样本和新鲜度结果样本进行数据学习，实现了通过脐橙的图像直接确定脐橙的新鲜度，使得终端消费者能够自主地通过脐橙的图像去了解果品新鲜度。
- 一种基于改进YOLOv8s的疏果前石榴果实检测方法-202310686822.9
- 杜雨蓉;姚家辉;刘心如;赵明虎;郝红娟;邓文萱;卢定泽 - 西安工程大学
- 2023-06-12 - 2023-10-27 - G06V20/68
- 本发明公开了一种基于改进YOLOv8s的疏果前石榴果实检测方法，该方法包括：采集多张石榴的原始图像并使用“makesense”进行标注处理，生成“.txt”文件；对原始图像进行扩充，分别增强和减弱亮度、色度、对比度和锐度，同时添加高斯噪声，得到构建的数据集；通过添加注意力机制CBAM和小目标检测层来构建改进的YOLOv8s网络；定义损失函数Loss；将构建的数据集随机按7:3的比例划分训练集和验证集；使用训练集来训练改进的YOLOv8检测模型，同时开启在线数据增强和标签平滑并保存权重文件，通过验证集验证改进的YOLOv8s检测模型效果。采用该方法对数据集检测精度达到了99.1％，更好的提取了目标特征的同时，提升了目标检测的精度。
- 一种不结球白菜叶面刺毛自动计数与量化方法及系统-202211643072.9
- 冯旭萍;李禧尧;何勇 - 浙江大学
- 2022-12-20 - 2023-10-24 - G06V20/68
- 本发明公开一种不结球白菜叶面刺毛自动计数与量化方法及系统，所述方法包括如下步骤：获取不结球白菜叶面的三维形貌图像，作为待识别图像；将所述待识别图像输入神经网络检测计数模型进行不结球白菜叶面刺毛的识别与计数，获得不结球白菜叶面的刺毛数量；所述神经网络检测计数模型为对LeafMaskR‑CNN模型进行训练得到的；基于所述刺毛数量计算不结球白菜叶面的刺毛密度；所述刺毛密度用于量化不结球白菜的叶面刺毛性状。本发明基于不结球白菜叶面的三维形貌图像，采用训练好的LeafMask R‑CNN模型，实现不结球白菜叶面刺毛自动化获取计数和定量评估，提高了量化刺毛密度的效率和准确性。
- 一种基于神经网络的苹果图像分类分级检测方法及装置-202310732933.9
- 王进;严婷;张程;陆国栋 - 余姚市机器人研究中心;浙江大学
- 2023-06-20 - 2023-10-24 - G06V20/68
- 本发明公开了一种基于神经网络的苹果图像分类分级检测方法及装置，首先使用相机拍摄苹果图像，获得苹果图像的分类和分级数据集；接着使用翻转、缩放、旋转、平移和翻转缩放组合等几何变换操作对两个数据集进行图像增强处理，并对增强后的图像统一进行归一化处理；然后选用坐标注意力机制代替MobileNetV3网络中的SE注意力机制，将二维全局池化分解为一组一维特征编码操作，构建改进MobileNetV3网络模型；最后使用处理好的数据集对模型进行训练，保存训练中的最优模型，实现苹果的分类分级。
- 一种基于高效聚合网络的杨梅果实识别方法-202310968830.2
- 丛锦玲;郭孝天;曾明军;陈洪秋锦;闫琴;陈卓;曹琨 - 石河子大学
- 2023-08-02 - 2023-10-24 - G06V20/68
- 本发明提供了一种基于高效聚合网络的杨梅果实识别方法，属于图像识别领域，提出C3ELAN‑YOLO模型，在YOLOV5的基础上将C3模块与ELAN设计架构相结合并融入到骨干网络中，在提高网络模型特征提取能力与上下文语义信息表征能力的同时减少类别混淆。并在SPPF模块中加入平均池化，使得网络模型不仅关注目标果实的纹理与轮廓特征，还会关注果实与周围环境的整体数据特征。最后对杨梅果实图像进行数据增强，提高C3ELAN‑YOLO模型的鲁棒性。本发明可提高Yolov5骨干网络特征提取能力，在兼顾检测速度的同时提高检测精度，能够准确识别复杂环境下的杨梅。
- 一种基于卷积神经网络的果实生长形态视觉辨识方法-202111067533.8
- 吕继东;许浩;徐黎明;李文杰;邹凌;戎海龙;杨彪;马正华 - 常州大学
- 2021-09-13 - 2023-10-24 - G06V20/68
- 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
- 一种基于视觉识别的巧克力表面缺陷检测系统-202310911406.4
- 程虎;李刘军 - 安徽金诺食品有限公司
- 2023-07-25 - 2023-10-20 - G06V20/68
- 本发明公开了一种基于视觉识别的巧克力表面缺陷检测系统。本发明中，缺陷检测模块内部通过建立巧克力块表面缺陷检测数据集，对图像数据进行增强，并作缺陷标注。搭建巧克力块缺陷检测实验环境，调整网络模型训练参数，然后导入训练数据集到模型进行训练，最终得到巧克力块缺陷识别与定位实验结果。然后在研究和开发的巧克力缺陷检测平台和软件上进行巧克力块缺陷识别测试，系统缺陷检测与人工检测结果差异较小，表明检测系统能较好地进行巧克力块缺陷检测，从而使得整个系统最终得到的模型训练和验证损失值曲线趋于平稳，模型检测缺陷准确度较高，使得整个系统后续的精度可以持续增加，从而使得整个系统的精准度得到了增加。
- 一种婴幼儿食品安全视觉检测方法-202311176046.4
- 张君;姜守磊;徐名 - 青岛君盛食品股份有限公司
- 2023-09-13 - 2023-10-20 - G06V20/68
- 本发明涉及图像数据处理技术领域，具体涉及一种婴幼儿食品安全视觉检测方法，包括：通过对奶粉样本冲泡后对应的奶液图像进行局部区域分析，结合对奶液图像进行多次图像重构，分析局部区域中像素点相对于区域的归属变化，准确获得发生变质后奶液图像中对应结絮、清液以及结块区域的各区域中的异常点，利用异常点实现食品安全检测。本发明准确获得发生变质后奶液图像中对应结絮、清液以及结块区域的各区域，实现对疑似变质图像是否变质的准确检测，并大大提高了利用多重奇异值进行重构图像的方法来实现视觉检测的准确性，进一步保障了婴幼儿食品安全。
- 一种食材识别方法、家电设备及食材识别系统-201811568182.7
- 朱泽春;刘磊;李宏峰;喻均文 - 九阳股份有限公司
- 2018-12-21 - 2023-10-20 - G06V20/68
- 本发明公开了一种食材识别方法、家电设备及食材识别系统，其中，食材识别方法包括：接收第一用户的食材识别请求，食材识别请求中包括第一用户的身份唯一标识；获取待识别食材图片，以及获取与第一用户的身份唯一标识匹配的第一用户食材子集；基于第一用户食材子集，根据待识别食材图片确定识别结果。本发明公开的食材识别方法、家电设备及食材识别系统，通过用户级的使用习惯来生成针对该用户的虚拟识别模型库，从而可以提升在该用户使用环境下的识别准确率。
- 一种食品原料取出识别方法以识别系统-202310944374.8
- 王延东;郑德志 - 青岛隆海食品有限公司
- 2023-07-28 - 2023-10-17 - G06V20/68
- 本发明适用于计算机领域，提供了一种食品原料取出识别方法以识别系统，所述方法包括：根据原料取出指令对原料存放件所在第一局域范围的外侧进行检测；当在第一局域范围的外部设定范围内仅检测到取料件的趋向轨迹时，执行对原料存放件的开放动作，所述取料件用于取放原料，所述趋向轨迹用于表征取料件的轨迹指向原料存放件；当进一步检测到取料件的移动轨迹与所述第一局域范围的边缘重合至少一次时，根据取料件的尺寸、原料存放件和原料暂存件之间的距离确定第二局域范围，本申请实施例的技术方案，能够从原料的打开、转移进行完整的识别，保证利用取料件将原料从原料存放件到原料暂存件之间的“无损”转移。
- 食品评估方法、装置、电子设备及存储介质-202310876260.4
- 吕彬;苏昊 - 平安科技（深圳）有限公司
- 2023-07-17 - 2023-10-13 - G06V20/68
- 本申请公开了一种食品评估方法、装置、电子设备及存储介质，涉及计算机视觉领域及数字医疗领域，其中，方法包括：响应于食品评估请求，获取食品评估请求中包括的第一采集图像和第二采集图像；根据第一采集图像、第二采集图像和深度卷积网络，生成第一特征图像和第二特征图像；根据第一特征图像、第二特征图像和预设模型，确定目标食品组合中多类食品的多个食品类别和多个食品面积；根据多个食品面积和第二采集图像，确定多类食品的多个食品体积；根据多个食品类别和多个食品体积，对目标食品组合进行评估。通过将二维图像与三维图像内的特征信息相融合，在识别食品类别的同时，计算每一类别的食品体积，能够有效提高食品营养评估的准确性。
- 一种基于改进YOLOv5x的草莓果实检测方法-202310918241.3
- 李科;刘兵凯;吴洪伟;唐克青;代遥;徐启涛 - 安徽农业大学
- 2023-07-25 - 2023-10-13 - G06V20/68
- 本发明公开了一种基于改进YOLOv5x的草莓果实检测方法，包括：草莓图像预处理：草莓图像采集；样本数据增强，对提取的多张图片进行缩放、裁切和色调调整，再通过Mosaic混合方法来处理数据集；数据标注，使用开源图像标注工具Labelimg进行标注，将图片中的草莓对象位置和草莓分类信息标记出来；根据SD‑YOLOv5x的网络模型对草莓数据集进行训练。有益效果是：基于现有YOLOv5x模型的主干网络，引入了特征提取CCH模块和NAM注意力模块，结果表明经过改进的SD‑YOLOv5x网络在mAP、Precision和Recall方面都有很好的表现，与现有YOLOv5x模型相比有很大的提高。可以观察到改进后的SD‑YOLOv5x模型在目标检测框的精准性、置信度和检测效果等方面均表现得更加出色。
- 基于视觉的玫瑰花茶干花分选方法-202311140506.8
- 刘云国;王彬;刘凌霄;马超;张吉方;李瑶瑶;昌鲁 - 临沂大学;山东华玫生物科技有限公司
- 2023-09-06 - 2023-10-13 - G06V20/68
- 本发明涉及图像处理技术领域，具体涉及基于视觉的玫瑰花茶干花分选方法，包括：根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像；分析干花花萼图像得到玫瑰花茶干花的朝向，将干花花萼图像和干花花萼图像合并得到干花图像；根据干花的纹理特征得到玫瑰花茶干花的开放程度；根据干花的开放程度得到玫瑰花茶干花的优质程度，根据玫瑰花茶干花的优质程度对每个玫瑰花茶干花进行评价分选。本发明可以实现对大批量花茶的自动分选，提高了分选的速度和产能。
- 基于人工智能的食材检测方法、装置、设备和介质-202310802510.X
- 苏昊;欧秋雨 - 平安科技（深圳）有限公司
- 2023-06-30 - 2023-10-10 - G06V20/68
- 本申请涉及人工智能、医疗健康技术领域，揭示了一种基于人工智能的食材检测方法、装置、设备和介质。基于人工智能的食材检测方法包括：对YOLOv5模型进行改进以获取食材检测模型，获取待识别菜品图片，将待识别菜品图片输入食材检测模型，获取食材检测模型输出的食材检测结果；获取用户的慢性病管理需求，基于慢性病管理需求和食材检测结果提出营养管理建议；其中，食材检测模型包括主干网络、颈部网络和头部网络；食材检测模型的总损失函数包括分布焦点损失、二分类交叉熵损失、完整的交并比损失。本发明可以准确检测出菜品图片中的食材，从而给出准确的营养建议。
- 一种鸡蛋流水线快速识别计数方法-202310946195.8
- 邵巍;孙瑞;周钦杰;金明达;郭威 - 青岛科技大学
- 2023-07-31 - 2023-10-10 - G06V20/68
- 本发明提出一种鸡蛋流水线快速识别计数方法，包括：采用圆形鸡蛋模板识别流水线上的鸡蛋；当出现鸡蛋时，对鸡蛋进行跟踪；一种过水平线的判定方法对流水线上鸡蛋实现计数；该鸡蛋计数方法的准确度达到了99.99％，能够对大量的鸡蛋进行快速实时统计，相对于传统的计数方法，在检测精度与速度方面有显著提升。
- 基于图像处理的大豆视觉检测方法-202310967171.0
- 赵庆奎;刘长新;郭洪刚;孙建泉;曹延顺;穆洪静 - 山东国宏生物科技有限公司
- 2023-08-03 - 2023-10-10 - G06V20/68
- 本发明涉及图像处理技术领域，具体涉及基于图像处理的大豆视觉检测方法，包括：获取大豆图像；对每个像素点设置起始滑窗；根据每个像素点起始滑窗的灰度波动程度，获取每个像素点的最终滑窗大小，进而获取每个像素点的中心度；根据每个像素点的中心度，获取大豆图像中的离散点，进而得到多个泰森多边形；获取每个泰森多边形的偏移程度以及灰度值间隔分布程度；根据每个泰森多边形的偏移程度以及灰度值间隔分布程度，获取每个泰森多边形的异常度；根据每个泰森多边形的异常度，定位出虫蛀大豆。本发明根据大豆图像特征获取离散点得到多个泰森多边形，通过分析泰森多边形异常度，能准确的定位出虫蛀大豆。
- 食用植物油加工质量检测方法、设备、存储介质及装置-202010672779.7
- 叶建平;张家凡;杨军胜;熊烈强;郑晓 - 武汉轻工大学
- 2020-07-13 - 2023-10-10 - G06V20/68
- 本发明公开了一种食用植物油加工质量检测方法、设备、存储介质及装置，涉及食用植物油生产技术领域，该方法包括：获取食用植物油在预设加工工序中的加工图像；根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。本发明通过获取加工工序中食用植物油的加工图像，再通过智能识别模型进行识别，判断食用植物油的加工质量，进而确定加工工序的加工质量。实现了对加工过程中各工序加工质量进行检测，且能够实时地检测生产过程中食用植物油的加工质量，有利于生产人员实时了解生产质量。
- 一种基于图像识别的食堂菜品自动标价与检验系统-202310681683.0
- 黄亚新;杨静;陈洪阳;李杰;孔令欢;杨岱松;唐天智;谢录海;施吉弥;包唐伟 - 三峡金沙江川云水电开发有限公司
- 2023-06-09 - 2023-10-03 - G06V20/68
- 本发明公开了一种基于图像识别的食堂菜品自动标价与检验系统，通过图像识别技术识别菜品名称，完成菜品自动标价，同时具有菜品品质检验功能；本发明在具备通过图像识别技术实现菜品定价功能的同时，还增加菜品品质检验功能，可以减少人工操作步骤，避免人工误操作出错，同时提高工作效率。
- 一种基于图像处理的火龙果果实识别系统和方法-202310908327.8
- 曾军;路家斌;郭明亮;焦俊;李明军 - 广州科技贸易职业学院
- 2023-07-23 - 2023-09-29 - G06V20/68
- 本技术方案提供了一种基于图像处理的火龙果果实识别系统，包括：拍摄模块，用于采用预设的摄像装置拍摄火龙果树图像，所述摄像装置采用双目摄像机，双目摄像机每次拍摄得到两张所述火龙果树图像；存储模块，用于存储不同品种的火龙果树的火龙果树特征信息以及不同品种的火龙果果实成熟对应的成熟果实特征信息，所述成熟果实特征信息包括火龙果果实成熟时果实的大小区间以及颜色区间；识别模块，用于对火龙果树图像进行分析并得到包含火龙果果实的火龙果实际特征信息，实际特征信息包括火龙果果实的大小及颜色，通过将实际特征信息与成熟果实特征信息进行比较，得出果实是否成熟。
- 一种基于机器视觉的预制菜生产检测方法-202311108096.9
- 李英;程海红;徐欣;刘少杰 - 泰安金冠宏食品科技有限公司
- 2023-08-31 - 2023-09-29 - G06V20/68
- 本发明涉及图像数据处理技术领域，提出了一种基于机器视觉的预制菜生产检测方法，包括：获取封装灰度图；根据相邻像素点之间图像信息的差异获取近邻差异系数；根据近邻差异系数的排序结果获取外侧显著像素点集合；根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重；根据中心权重获取热封包装袋的顶点；根据单边边缘线上像素点图像信息的突变程度获取封装异常度以及封装异常序列；根据所有单边边缘线的封装异常序列获取最外侧轮廓的异常指数；根据最外侧轮廓的异常指数获取预制菜包装的检测评估系数。本发明避免热封造成的边缘倾斜与封装缺陷之间的混淆造成的检测误差，实现对不同类型预制菜包装完整性的精准检测。
- 一种基于图像识别的水果测产分析系统-202310805980.1
- 黄云峰;刘杨;李春华;马磊;宋凯;黄曾伟;黄林豪;刘子超;余菡;贺占雪;赵琳;杨永福 - 策拉控股云南有限公司
- 2023-07-03 - 2023-09-29 - G06V20/68
- 本发明是一种基于图像识别的水果测产分析系统，涉及图像识别技术领域；包括监控终端，所述监控终端连接数据采集模块、数据处理模块、水果分析模块以及报警模块；设置采集时间节点，并在同一采集时间节点采集水果图像数据组和种植基地的环境因子信息数据，并生成水果时序数据，对水果时序数据进行处理，根据处理结果建立水果光泽度模型，根据水果光泽度模型获得最新时序数据，根据最新时序数据对水果进行分析，根据分析结果，对种植基地的水果进行测产以及农药识别，并生成报警信号，根据报警信号进行对应处理；此系统用于对水果进行实时测产，实时识别销售的水果是否符合销售标准。
- 一种猕猴桃实例分割的3D视觉空间定位方法-202310373418.6
- 卢津;范梦雨;孔宪光;孙巍;孙宜君;孙伟 - 智秦（西安）科技产业发展有限公司
- 2023-04-10 - 2023-09-26 - G06V20/68
- 本发明提出了一种猕猴桃实例分割的3D空间定位方法，首先采集猕猴桃图像，构建猕猴桃实例分割数据集；然后构建Mask‑RCNN深度学习网络，设置训练参数，完成Mask‑RCNN网络模型训练与测试；进而应用该网络模型进行猕猴桃图像的实例分割，形成多个猕猴桃彩色实例，获取实例像素点群的二维像素坐标；接下来采用二维图像质心坐标计算方法，完成单个猕猴桃实例像素点群的二维像素定位坐标计算；最后利用双目立体视觉原理，将二维像素定位坐标转换到3D视觉空间。该方法通过融合深度学习与双目立体视觉原理智能化地识别与计算猕猴桃的3D视觉空间定位坐标，效率和精度均得到了提升。
- 一种基于视觉特征的面包检测方法以及系统-202310869010.8
- 解媛媛 - 临沂农业科技职业学院（筹）
- 2023-07-17 - 2023-09-26 - G06V20/68
- 本申请涉及图像处理领域，提供一种基于视觉特征的面包检测方法以及系统，包括：获取面包的灰度图像；基于灰度图像确定每一像素点的裂缝递变大小指数、过度饱和性指数以及LBP值，进而得到裂缝特征图、过度饱和特征图以及纹理特征图；基于灰度图像、裂缝特征图、过度饱和特征图以及纹理特征图构建超复数四元数矩阵，基于超复数四元数矩阵确定面包缺陷显著图；基于面包缺陷显著图对面包外观进行检测。该方法能够使得视觉显著性提取的目标更加明确，提高检测精度。
- 基于自纠正NMS-ByteTrack的套袋葡萄估产方法-202310787630.7
- 吕佳;张翠萍;刘琴;李帅军 - 重庆师范大学
- 2023-06-29 - 2023-09-22 - G06V20/68
- 本发明公开了一种基于自纠正NMS‑ByteTrack的套袋葡萄估产方法，包括：S1.采集套袋葡萄视频；S2.对视频中的套袋葡萄进行检测，得到检测框，对检测框进行筛选处理，得到当前帧检测框；S3.对当前帧进行预测，得到当前帧果实框，对当前帧果实框进行纠正处理，得到当前帧预测框；S4.将当前帧检测框划分为高置信度检测框与低置信度检测框，将高置信度检测框、低置信度检测框与预测框进行关联匹配，得到当前帧追踪框；S5.将追踪框的中心点去碰撞视频屏幕中央的计数线来自动计数套袋葡萄，得到套袋葡萄的个数。本发明能够高效准确地对套袋葡萄进行计数，实现了对套袋葡萄更为有效的估产。
- 一种提高动物采食效率的方法及装置-202210637328.9
- 朱海;林安吉;董自如 - 江苏华丽智能科技股份有限公司
- 2022-06-07 - 2023-09-22 - G06V20/68
- 本发明公开了一种提高动物采食效率的方法及装置，涉及人工智能领域，所述方法包括：通过对家畜进行包括体重、年龄以及生产需求的个体数据采集，进而对采集数据进行进食特征的影响性分析，可获得家畜的平均进食参数，通过将该参数与采食器控制参数进行关联，可有效控制下料的速度。同时，还可对家畜进食时的摆动棒的拱摆次数进行统计，利用单位时间拱摆次数对采食器控制参数进行动态优化。解决了难以对控制参数进行动态调整，导致家畜的采食效率下降的技术问题。达到了对自动采食装置进行参数控制时，对控制参数进行动态调整，用以提高家畜的采食效率的技术效果。
- 一种基于轻量化深度神经网络的低成本番茄叶片病害识别方法-202010165554.2
- 吴阳;李文霞;刘洁;张亚勤;吴景春;于莲双 - 无锡太湖学院
- 2020-03-11 - 2023-09-22 - G06V20/68
- 本发明公开了一种基于轻量化深度神经网络的低成本番茄叶片病害识别方法，包括以下步骤：进行番茄叶片图像数据集的收集，将收集的番茄叶片图像数据集采用数据集扩充方法进行扩充得到扩充图像数据库，进行图像数据集的预处理；构建改进的残差神经网络识别模型,将经过预处理的图像数据集，输入到所述改进的残差神经网络识别模型完成模型的训练；将完成训练的模型对待实际待检测图片进行识别。本申请采用改进的残差神经网络识别模型,利用可分离多尺度卷积module1、module2的配合对番茄叶片实现病害识别，拓展了网络宽度，准确率达到较高水平，占用内存较少，可以实现低性能终端上对番茄病害的实时识别，并可以推广到其他类似应用场景的农作物病害识别。
- 基于机器视觉与深度学习的苹果分级方法及设备-202310698062.3
- 刘庆雪;王霞;郭涛;李智宇;张籍荣;徐洪禹;巴伦德·范·维克 - 昆明学院
- 2023-06-13 - 2023-09-19 - G06V20/68
- 本发明实施例公开了基于机器视觉与深度学习的苹果分级方法及设备，该分级方法综合苹果颜色特征、果形特征、果径特征以及缺陷特征等因素对苹果进行分级，分级准确率更高，分级效果更好；且基于D‑S证据理论的多特征决策级融合分级正确率高，各等级之间误判率低，结果更可靠。
- 基于轻量级模型的RGB-D自适应融合信息的小麦检测方法与装置-202310719551.2
- 杨宝华;耿洪冬;崔强 - 安徽农业大学
- 2023-06-16 - 2023-09-19 - G06V20/68
- 本发明公开了一种基于轻量级模型的RGB‑D自适应融合信息的小麦检测方法与装置，该方法步骤包括：1使用双目相机获取目标麦田的小麦麦穗RGB‑D图像，并对RGB图像和深度伪彩色图像进行对齐、背景移除和画面增强、标注等处理，构建了小麦RGB‑D数据集；2使用YSNv2网络对训练集进行训练，得出小麦RGB和深度图像的权重；3利用光照自适应机权重因子来改变RGB检测模型贡献，输出最终融合检测结果。本发明利用RGB‑D图像和轻量化YSNv2网络对麦穗进行检测，能减少光照变化对小麦检测的影响，从而能提升麦穗检测精度。
- 专利分类
