[发明专利]一种蔬菜加工分拣系统及方法

说明书

本发明属于蔬菜加工分拣技术领域，公开了一种蔬菜加工分拣系统及方法，蔬菜加工分拣系统包括：视频监控模块、主控模块、清洗模块、蔬菜图像分类模块、图像特征提取模块、蔬菜识别模块、蔬菜评级模块、筛选模块、传送模块、显示模块。本发明通过蔬菜图像分类模块在卷积神经网络模型中添加全连接层，搭建所述目标卷积神经网络模型并进行训练，基于训练好的目标卷积神经网络模型，对待识别蔬菜图像进行分类，提高了蔬菜图像分类的准确率；同时，通过蔬菜识别模块采集蔬菜图像时，得到相应的样本图像，并对样本图像进行扩增，得到第一样本图像集，并不需要采集大量的样本图像，能够有效减少样本图像的采集量，同时提高图像数据库建立的效率。

技术领域

本发明属于蔬菜加工分拣技术领域，尤其涉及一种蔬菜加工分拣系统及方法。

背景技术

目前，蔬菜加工以蔬菜为原料，经清洗、去皮、切分(或未经去皮、切分)和热烫等预处理后，采用物理、化学和生物的方法制成食品以利保藏的加工过程。采收后的蔬菜仍是活的有机体，在贮藏期间继续进行着各种复杂的生命活动，其中最重要的是呼吸作用。随着呼吸作用的进行，蔬菜中含有的糖、淀粉和酸等有机物质因被氧化成为二氧化碳和水而不断消耗。同时，蔬菜中含有大量的水分和各种营养物质，是微生物生长发育和繁殖极为有利的条件；而微生物的活动，又是蔬菜败坏的主要原因。此外，蔬菜的生产是有季节性和地区性的，将旺季过剩的新鲜蔬菜和一些地区的特产蔬菜进行适当的加工，有利于调节蔬菜生产的淡旺季和不同地区蔬菜市场的需求。然而，现有蔬菜加工分拣系统分拣过程中对蔬菜图像分类准确率不高；同时，现有技术通过深度学习的方式，训练机器人智能地对蔬菜进识别，但其依赖于大量采集的样本，存在识别率相对较低的情况。因此，亟需一种新的蔬菜加工分拣系统。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有蔬菜加工分拣系统分拣过程中对蔬菜图像分类准确率不高.

(2)现有技术通过深度学习的方式，训练机器人智能地对蔬菜进识别，但其依赖于大量采集的样本，存在识别率相对较低的情况。

发明内容

针对现有技术存在的问题，本发明提供了一种蔬菜加工分拣系统及方法。

本发明是这样实现的，一种蔬菜加工分拣系统，所述蔬菜加工分拣系统，包括：

视频监控模块，与主控模块连接，用于通过摄像设备对蔬菜加工分拣过程进行视频监控，获得蔬菜图像；

主控模块，与视频监控模块、清洗模块、蔬菜图像分类模块、图像特征提取模块、蔬菜识别模块、蔬菜评级模块、筛选模块、传送模块、显示模块连接，用于通过中央处理器协调控制所述蔬菜加工分拣系统各个模块的正常工作；

清洗模块，与主控模块连接，用于通过清洗机构对蔬菜进行清洗处理；

蔬菜图像分类模块，与主控模块连接，用于通过分类程序对蔬菜图像进行分类；

图像特征提取模块，与主控模块连接，用于通过图像特征提取程序提取蔬菜图像特征；

蔬菜识别模块，与主控模块连接，用于通过识别程序对蔬菜特征进行识别，包括：

通过摄像设备采集蔬菜图像；

通过图像增强程序对采集的图像进行增强处理，得到多种蔬菜分别对应的样本图像，并对样本图像进行扩增，得到第一样本图像集；

将第一样本图像集中的每一个图像分别加入泊松-高斯噪声，调整每一个图像的亮度和对比度，得到处理后的多种蔬菜分别对应的第二样本图像集，包括：

通过预设的第一公式将第一样本图像集中的每一个图像分别加入泊松-高斯噪声；其中，所述第一公式为：