-
公开(公告)号:CN115965595A
公开(公告)日:2023-04-14
申请号:CN202211676648.1
申请日:2022-12-26
Applicant: 华中农业大学
Abstract: 本发明涉及一种基于果实图像的果实品质检测方法,包括以下步骤:获取果实图像;对果实图像进行预处理,得到果实对应的轮廓线图像;参照预设的标准色卡,确定果实图像中果实的每度量像素;获取轮廓线图像对应的轮廓线的像素宽度;根据每度量像素和像素宽度,确定果实对应的实际尺寸;根据历史果实实际品质构建标准模型,对标准模型进行数据的吻合度验证,证明所得模型的标准性;再依据所建标准模型预测所述果实对应的单果重量或干物质含量;根据预测的单果重量或干物质含量,对果实的品质进行检测;解决了无法通过果实的图像信息获取果实品质的问题。
-
公开(公告)号:CN118865340A
公开(公告)日:2024-10-29
申请号:CN202410901363.6
申请日:2024-07-05
Applicant: 华中农业大学
IPC: G06V20/60 , G06V10/32 , G06V10/764 , G06V10/82 , G06V20/70 , G06V10/774 , G06V10/776 , G16C20/70 , G16C20/20 , G06F18/23213
Abstract: 本发明属于图像识别技术领域,公开了一种基于深度学习技术的果实成熟度无损分类方法及系统,通过对分析果实不同生长过程中的干物质含量(%)以及糖度,使用聚类分析算法划分果实的各个成熟度阶段,并得到典型样例。以典型样例为基准,用深度学习技术来自动、准确的判别果实所属的成熟度类别,因此适用于大规模、高效的果实成熟度预测场景。本发明经过双线性插值算法将原始图像尺寸大小调整为224×314的完整果实图像作为模型输入;将带有标签的外观图集分为训练集和测试集,对构建的果实成熟度无损分类模型进行训练、验证和测试,采用训练完成的模型,以待分类果实调整尺寸后的图像作为模型的输入,输出相应的果实成熟度结果。
-
公开(公告)号:CN117037146A
公开(公告)日:2023-11-10
申请号:CN202311090184.0
申请日:2023-08-28
Applicant: 华中农业大学
IPC: G06V20/68 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像识别技术领域,尤其涉及一种基于深度学习的果实品质无损评级方法、系统及终端,首先采集果实外观图像集、对应的单果重数据集、感官指标数据集;将果实的单果重数据和感官指标数据进行整合,得到果实的品质等级以及对应的信息包,以信息包对应的品质等级作为标签对果实外观图像进行标记;对果实图像进行预处理,得到果实特征图像;基于神经网络构建果实品质无损评级模型,以带有标签的果实特征图像对模型进行训练,训练完成后输入待检测水果的特征图,得到分级结果。本发明有效避免了果实人工分级过程中因主观性造成的错误分级和机器分级过程中可能造成的果实损坏,且实现了高精度的果实品质分级。
-
-