[发明专利]基于深度学习的饲料合格性分类方法

权利要求书

1.一种基于深度学习的饲料合格性分类方法，其特征在于，所述方法包括：

获取待测图像集；

按预设比例划分所述待测图像集为训练集、验证集和测试集，构建Resnet50模型和SE-Resnet50模型；

通过优化器和交叉熵损失函数评价所述Resnet50模型和所述SE-Resnet50模型的准确率acc；

比较所述Resnet50模型的准确率和所述SE-Resnet50模型的准确率，选择准确率高的为最优网络模型；

对所述最优网络模型进行优化，得到最终网络模型；

根据所述最终网络模型，得到待测图像合格性判断的结果。

2.根据权利要求1所述的基于深度学习的饲料合格性分类方法，其特征在于，所述待测图像集包括第一待测图像、第二待测图像、第三待测图像、第四待测图像。

3.根据权利要求2所述的基于深度学习的饲料合格性分类方法，其特征在于，对所述最优网络模型进行优化，包括：

对所述第四待测图像进行图像数据扩增；

对最优网络模型的深度可分离卷积、逆转差结构、线性瓶颈结构及h-swish激活函数进行改进；

对改进后的最优网络模型进行模型层数的剪枝，得到最终网络模型。

4.根据权利要求3所述的基于深度学习的饲料合格性分类方法，其特征在于，所述图像数据扩增包括添加模糊、畸变、随机放射变换其中的一种或多种的组合。

5.根据权利要求1所述的基于深度学习的饲料合格性分类方法，其特征在于，所述得到最终网络模型之前，包括：

将所述训练集中的待测图像划分为N块预处理图像，分别进行最优网络模型识别；

根据预设权重，得到N块所述预处理图像的识别结果；

根据所述识别结果判定验证集种待测图像是否正确；

获取所述验证集中判断错误的待测图像和判断正确的待测图像；

对所述验证集中判断错误的待测图像和判断正确的待测图像进行特征可视化分析。

6.根据权利要求1所述的基于深度学习的饲料合格性分类方法，其特征在于，所述准确率acc为：

式中，Predict为预测正确训练集中的样本数量，Total为训练集中总的样本数量。