-
公开(公告)号：CN110736709A
公开(公告)日：2020-01-31
申请号：CN201911026968.0
申请日：2019-10-26
Applicant: 苏州大学
Abstract: 本发明一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法，先采摘不同成熟期的蓝莓样本，同时采集每时期采摘前蓝莓果实的彩色图像信息，对每时期的蓝莓进行叶绿素测定，构建蓝莓叶绿素预测含量网络BCPN，并输入蓝莓图像，随后进行框标记和打标签得到叶绿素含量预测数据集，训练叶绿素含量模型并对输出的叶绿素含量与果实的成熟度进行映射，通过值与值之间的映射之后，通过最终的预测结果映射值判断当前映射值所处的成熟度。本发明提供的基于深度卷积神经网络的蓝莓成熟度的无损检测方法，对蓝莓皮叶绿素的预测准确率达96％以上，对不同品种的蓝莓果实成熟度的无损检测有很好的通用性，精度高，提高果实成熟度检测的准确性和效率。
-
公开(公告)号：CN110781889A
公开(公告)日：2020-02-11
申请号：CN201911026963.8
申请日：2019-10-26
Applicant: 苏州大学
Abstract: 本发明公开了一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，该方法利用深度学习对蓝莓果实进行分类，提高了蓝莓果实品检测的准确性和效率，包括以下步骤：首先采集不同成熟时期的蓝莓果实，并测定了蓝莓的花青苷含量和总糖含量，然后建立基于花青苷与蓝莓图像相关性的果皮色素含量预测网络SPCPN，并建立基于花青苷与总糖相关的果实内在品质预测网络FIQPN，最后，将果皮色素含量预测网络和果实内在品质预测网络合并到蓝莓品质参数预测网络BQPPN中，经外部验证后，网络对蓝莓果实总糖含量的预测大于94％，具有无损、效率高、准确率高、便捷和结果稳定的优点。
-
公开(公告)号：CN110781889B
公开(公告)日：2022-02-08
申请号：CN201911026963.8
申请日：2019-10-26
Applicant: 苏州大学
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06K9/62 , G01N33/02 , G06V20/68
Abstract: 本发明公开了一种基于深度学习的蓝莓果实中总糖含量的无损检测方法，该方法利用深度学习对蓝莓果实进行分类，提高了蓝莓果实品检测的准确性和效率，包括以下步骤：首先采集不同成熟时期的蓝莓果实，并测定了蓝莓的花青苷含量和总糖含量，然后建立基于花青苷与蓝莓图像相关性的果皮色素含量预测网络SPCPN，并建立基于花青苷与总糖相关的果实内在品质预测网络FIQPN，最后，将果皮色素含量预测网络和果实内在品质预测网络合并到蓝莓品质参数预测网络BQPPN中，经外部验证后，网络对蓝莓果实总糖含量的预测大于94％，具有无损、效率高、准确率高、便捷和结果稳定的优点。
-
-
Search Results
3
records
(took 0.013 seconds)
