[发明专利]一种农产品品质状态识别方法及装置

权利要求书

1.一种农产品品质状态识别方法，其特征在于，包括：

获取目标农产品的图像；

对所述图像进行识别，确定所述目标农产品的目标种类；

根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；

通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：

将所述图像输入第二卷积神经网络，所述第二卷积神经网络为经过深度学习的方法训练得到的，用于识别农产品种类的卷积神经网络；

通过所述第二卷积神经网络，确定所述目标农产品的目标种类。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述图像进行识别，确定所述目标农产品的目标种类，包括：

从所述图像中提取出所述目标农产品的目标图像；

对所述目标图像进行识别，确定出所述目标农产品的目标种类。

4.根据权利要求3所述的方法，其特征在于，所述通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息，包括：

将所述目标图像输入所述第一卷积神经网络；

通过所述第一卷积神经网络对所述目标图像进行识别，确定出所述目标农产品的所述品质状态信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，包括：

根据所述目标农产品的目标种类，从预设的针对不同种类农产品的多个卷积神经网络中，确定出与所述目标种类相匹配的第一卷积神经网络。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，包括：

所述根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的多个第一卷积神经网络，所述多个第一卷积神经网络分别为识别不同所述品质状态信息的第一卷积神经网络。

7.根据权利要求1或6所述的方法，其特征在于，在所述识别出所述目标农产品的所述品质状态信息之后，所述方法还包括：

根据所述品质状态信息，获取与所述品质状态信息相匹配的关联信息，所述关联信息至少包括以下信息中的一种或多种：食用建议、存储方法、品种信息。

8.一种农产品品质状态识别装置，其特征在于，包括：

获取模块，用于获取目标农产品的图像；

第一识别模块，用于对所述图像进行识别，确定所述目标农产品的目标种类；

匹配模块，用于根据所述目标农产品的目标种类，确定出与所述目标种类相匹配的第一卷积神经网络，所述第一卷积神经网络为经过深度学习的方法训练得到的，用于识别所述目标种类的农产品的品质状态信息的卷积神经网络，所述品质状态信息至少包括以下信息中的一种或多种：农产品成熟度、农产品病虫害、农产品品种；

第二识别模块，用于通过所述第一卷积神经网络，识别出所述目标农产品的所述品质状态信息。

9.根据权利要求8所述的装置，其特征在于，所述第一识别模块，具体用于：

将所述图像输入第二卷积神经网络，所述第二卷积神经网络为经过深度学习的方法训练得到的，用于识别农产品种类的卷积神经网络；

通过所述第二卷积神经网络，确定所述目标农产品的目标种类。

10.根据权利要求8所述的装置，其特征在于，所述装置还包括：

关联模块，用于根据所述品质状态信息，获取与所述品质状态信息相匹配的关联信息，所述关联信息至少包括以下信息中的一种或多种：食用建议、存储方法、品种信息。