[发明专利]一种基于土豆图像深度学习的追溯系统及方法

说明书

本发明提供一种基于土豆图像深度学习的追溯系统及方法，属于人工智能应用技术领域，本发明通过对大量的土豆图像进行深度学习训练，生成土豆形状特征点识别模型，通过该模型对需要追溯的土豆进行图像特征采集，并将该土豆图像特征数据和身份数据一一对应并保存到数据库，当用户查询该土豆的追溯信息时，通过识别到的土豆图像特征，查询数据库中对应的身份数据，从而追溯到该土豆的生产源头。有效解决了不法分子绕过食品安检，将来路不明的不合格土豆送上餐桌的情况，保证了消费者合法权益。

技术领域

本发明涉及人工智能应用技术，尤其涉及一种基于土豆图像深度学习的追溯系统及方法。

背景技术

现如今，随着人们生活水平的不断提高，食品安全越来越被人们重视。虽然国家法律对食品安全起到一定的监督作用，然而在利益的驱使下，一些不法分子铤而走险，绕过国家安监部门，将问题食品送上人们的餐桌。频频发生的幼儿园和学校食物中毒事件也暴露出了食品安全监测存在的问题。

发明内容

为了解决以上技术问题，本发明提出了一种基于土豆图像深度学习的追溯系统，有效解决了不法分子绕过食品安检，将来路不明的不合格土豆送上餐桌的情况，保证了消费者合法权益。

本发明的技术方案是：

一种基于土豆图像深度学习的追溯系统，主要由后台服务器和图像识别终端组成，且一个后台服务器可对应一个以上的图像识别终端；其中，

后台服务器主要负责图像训练、图像建模、图像识别以及数据库关系维护和查询，

识别终端主要完成对土豆图像的采集功能。

进一步的，后台服务器基于python/opencv/tensorflow环境，采用开源MTCNN为基础来构建土豆图像检测与识别系统。

进一步的，终端是手机或是具备摄像头驱动的嵌入式设备。

进一步的，终端对土豆图像进行拍照后，通过TCP/IP私有协议与后台服务端进行交互，将土豆图像传到后台进行识别和查询，并接受服务端查询返回的结果，展示给用户。

进一步的，后台系统采用自学习模式来优化土豆图像识别模型，每采集一次土豆图片，都将作为训练土豆特征图片的样本，更新识别模型，加快下一次识别的速率和准确度。

此外，本发明还提供了一种基于土豆图像深度学习的追溯方法，通过对土豆图像进行深度学习训练，生成土豆形状特征点识别模型，通过该模型对需要追溯的土豆进行图像特征采集，并将该土豆图像特征数据和身份数据一一对应并保存到数据库，当用户查询该土豆的追溯信息时，通过识别到的土豆图像特征，查询数据库中对应的身份数据，从而追溯到该土豆的生产源头。

服务器端训练土豆识别模型步骤如下：

1)加载数据：调用input_data.read_data_sets接口输入要训练模型的数据来源，此处为采集到的各种土豆图片；

2)定义超参数和placeholder：超参数包括learning_rate、epochs、batch_size等变量；设置placeholder为x＝tf.placeholder(tf.float32,[None,784])，表示输入图片为28x28像素＝784；

3)定义参数w和b：利用tf.random_normal()生成正态分布的随机数对w和b进行赋值；

4)构造隐层网络：调用接口如下

hidden_out＝tf.add(tf.matmul(x,W1),b1)

hidden_out＝tf.nn.relu(hidden_out)