买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于图像的冬笋检测分级方法，包括构建冬笋品质检测模型、构建冬笋重量估算模型以及基于冬笋品质检测模型和冬笋重量估算模型得到冬笋的综合等级。本发明应用机器视觉和深度学习的图像处理技术，对采挖后的冬笋进行无损品质检测和重量检测分级，只要输入冬笋的正面图像和反面图像，就能给出冬笋的综合等级，综合等级包含冬笋品质等级和冬笋重量，提高了冬笋检测分级的准确度与效率，提升了冬笋检测分级的智能化、自动化水平，降低了农户或农产品加工企业的生产成本，提高了农户和加工企业的经济收入。

主权项：1.一种基于图像的冬笋检测分级方法，其特征在于：包括构建冬笋品质检测模型、构建冬笋重量估算模型以及基于冬笋品质检测模型和冬笋重量估算模型得到冬笋的综合等级；所述构建冬笋品质检测模型的具体步骤如下：步骤一：构建冬笋品质分级标准；步骤二：构建冬笋品质数据集：随机取一批冬笋，通过图像采集设备采集各冬笋正面图像和反面图像，其中，在正面图像采集时，通过电子称对冬笋重量数据进行采集，采集完成后，对这批冬笋的正面图像和反面图像进行数据清洗，去除掉模糊、重复以及被遮挡的图像，使用矩形目标框框选出数据清洗后的冬笋正面图像和反面图像内冬笋的区域，再根据冬笋品质分级标准给目标框设定对应的冬笋品质等级标签，最后对冬笋正面图像和反面图像进行数据增强处理将数据扩充，至此得到标注了冬笋品质等级的冬笋品质数据集；步骤三：构建冬笋品质检测模型框架；冬笋品质检测模型基于深度学习目标检测算法，引入可变形卷积和SwinTransformer对深度学习目标检测算法进行改进；冬笋品质数据集中正面图像和反面图像为冬笋品质检测模型的输入；步骤四：采用迁移学习法进行冬笋品质检测模型训练，若冬笋品质检测模型训练不收敛，调整训练参数重新训练，直到训练收敛为止；所述构建冬笋重量估算模型的具体步骤如下：步骤一：根据各冬笋正面图像以及对应的冬笋重量数据构建冬笋重量数据集；步骤二：构建冬笋重量估算模型框架，冬笋重量数据集中正面图像为冬笋重量估算模型的输入；其中，重量估算由主重量估算和修正重量估算两部分构成，主重量估算得到的冬笋主重量叠加修正重量估算得到的冬笋修正重量，作为冬笋重量估算模型最终输出的冬笋估算重量；步骤三：从冬笋重量数据集中选出测试集，通过测试集进行冬笋重量估算模型训练，将冬笋重量估算模型输出的冬笋估算重量与测试集中冬笋重量数据对比，选用均方差损失函数来判断误差；若均方差损失函数判断的误差达到要求，冬笋重量估算模型训练完毕，否则调整训练参数重新训练，直到均方差损失函数判断的误差达到要求；所述的基于冬笋品质检测模型和冬笋重量估算模型得到冬笋的综合等级，具体步骤如下：通过图像采集设备采集待检测冬笋正面图像和反面图像，然后通过冬笋品质检测模型对待检测冬笋的正面和反面均进行品质检测，选取待检测冬笋的正面品质等级和反面品质等级中较差的一个作为待检测冬笋的最终品质等级，并通过冬笋重量估算模型对待检测冬笋进行重量估算；最后，根据品质检测结果和重量估算结果得到待检测冬笋的综合等级；所述综合等级划分如下： 其中，三级冬笋的重量任意。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于图像的冬笋检测分级方法