[发明专利]基于计算机视觉技术的天麻品质检测方法在审
申请号: | 201910248777.2 | 申请日: | 2019-03-28 |
公开(公告)号: | CN110349118A | 公开(公告)日: | 2019-10-18 |
发明(设计)人: | 杨琳琳;夏敏;赵旭东;费琦琪;孙鹏;王源 | 申请(专利权)人: | 云南农业大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06K9/62;G01N23/04 |
代理公司: | 北京卓特专利代理事务所(普通合伙) 11572 | 代理人: | 段宇 |
地址: | 650201 云南省昆明市*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 天麻 图像识别 计算机视觉技术 天麻品质 检测 样品图像 腐烂 二值化处理 图像数据集 快速识别 品质检测 生成图像 图像采集 准确度 测试集 数据集 训练集 准确率 耗时 筛选 图像 成功 输出 优化 生产 | ||
本发明公开一种基于计算机视觉技术的天麻品质检测方法。方法包括:选用当季生产的天麻作为天麻样品;对天麻样品进行图像采集,生成样品图像;对样品图像进行二值化处理,并对天麻腐烂区域进行标记,生成图像数据集;搭建SSD图像识别模型,将生成的图像数据集随机分成测试集和训练集,对搭建的SSD图像识别模型进行训练和优化,直至SSD图像识别模型的识别准确率达到98%,训练成功;基于训练成功的SSD图像识别模型对待测天麻的图像进行识别,输出待测天麻的品质检测数据。本发明提供的技术方案,通过采用计算机视觉技术对天麻腐烂区域进行快速识别和检测,不但能够提高天麻品质检测的准确度,确保筛选出的天麻产品质量,而且具有耗时短、效率高的特点。
技术领域
本发明属于食品安全检测技术领域,具体地说,涉及一种基于计算机视觉技术的天麻品质检测方法。
背景技术
天麻,中药材名,为兰科植物天麻的根茎。现代药学研究表明其有效成分为天麻素、香草醛、对羟基苯甲醛、多糖等多种成分,具有镇静、镇痛、抗惊厥、抗炎、改善记忆及延缓衰老等作用。在现代临床过程中天麻中成药制剂被广泛于治疗风湿性关节疾病、眩晕、头痛、神经痛症等。
目前,对天麻品质的鉴定仍然是通过人眼对天麻表面进行识别进行的。一方面,对于普通群众来说,其往往不具备天麻品质识别的知识,其主观识别方法影响其购买的天麻产品质量。另一方面,对于天麻的加工生产,基于人眼鉴定天麻原材料的品质,耗时非常长、工作效率极低、人工成本高,且人眼容易出现疲劳,筛选出的天麻品质得不到保障。如何选取高质量的天麻来投入生产,加工出高质量的天麻产品,把天麻的用处发挥到极致是目前面临的重要问题。
发明内容
本发明提供一种基于计算机视觉技术的天麻品质检测方法,用以提高天麻品质检测的质量和效率。
本发明公开的基于计算机视觉技术的天麻品质检测方法,包括以下步骤:
S1、选用当季生产的天麻作为天麻样品;
S2、对天麻样品进行图像采集,生成样品图像;
S3、对样品图像进行二值化处理,并对天麻腐烂区域进行标记,生成图像数据集;
S4、搭建SSD图像识别模型,将生成的图像数据集随机分成测试集和训练集,测试集所占比例为20%,训练集所占比例为80%,对搭建的SSD图像识别模型进行训练和优化,直至SSD图像识别模型的识别准确率达到98%,训练成功;
S5、基于训练成功的SSD图像识别模型对待测天麻的图像进行识别,输出待测天麻的品质检测数据。
如上所述的方法,其中,S3步骤中所述的对样品图像进行二值化处理,并对天麻腐烂区域进行标记,生成图像数据集,包括:
将样品图像的原始彩色图像转化为灰度图像,并对灰度图像进行滤波处理,滤波之后突出天麻的腐烂区域,弱化正常区域,并通过对每一张灰度图像进行旋转和镜像处理获得五张不同角度的图像,再对图像中对应的天麻腐烂区域进行标记,生成图像数据集。所述将样品图像的原始彩色图像转化为灰度图像,具体为:将原始彩色图片使用计算机视觉库opencv转化为灰度图像。
如上所述的方法,优选地,所述天麻样品为经过清洗和风干处理的样品。
如上所述的方法,其中,S2步骤中所述的对天麻样品进行图像采集,具体为:
使用CCD工业相机对天麻样品的腐烂区域进行图像采集。
本发明提供的基于计算机视觉技术的天麻品质检测方法具有以下优点:
1、实现基于天麻的图像信息对天麻的物理形态特征的自动化分析与检测,提高了天麻品质检测的效率。
2、能够提高天麻品质检测的准确度,确保筛选出的天麻产品质量。
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云南农业大学,未经云南农业大学许可,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/pat/books/201910248777.2/2.html,转载请声明来源钻瓜专利网。