[发明专利]果蔬干制过程中的果蔬含水率检测方法及系统

权利要求书

1.一种果蔬干制过程中的果蔬含水率检测方法，其特征在于，包括：

获取待检测的果蔬样品切片图像；

利用训练好的预测模型，对所述待检测的果蔬样品切片图像进行处理，获得处理结果，所述处理结果包括果蔬样品的含水率；其中，所述训练好的预测模型由训练集训练得到，所述训练集包括多张果蔬样品切片图像以及标注图像中果蔬样品的真实含水率的标签。

2.根据权利要求1所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，由训练集训练得到所述预测模型包括：

提取果蔬样品切片图像的色彩特征，计算色调特征值；

提取果蔬样品切片图像的灰度特征，计算灰度特征值；

提取果蔬样品切片图像的形状特征，计算形状特征值；

通过多项式拟合将色调特征值、灰度特征值以及形状特征值与含水率进行关联，引入广义回归神经网络GRNN对每个特征的权值进行计算，采用最小二乘法多项式曲线拟合对GRNN进行优化，直至真实值和预测值的误差平方和最小，得到训练好的预测模型。

3.根据权利要求2所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，计算色调特征值包括：将图像转换成HSV图像后，提取样本的色调特征进行统计分析，得到色调直方图，不同的果蔬样品切片色调峰值不同，含水率越高，色调峰值越高，色调峰值即为色调特征值。

4.根据权利要求2所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，计算灰度特征值包括：将图像转换成灰度图像后，提取的灰度特征进行分析，得到灰度直方图，计算灰度特征值F_G如下式所示：

其中，v_i表示灰度直方图中样品所对应峰值范围内第i个最大值，F_G为这n个最大值的平均数。

5.根据权利要求2所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，计算形状特征值包括：

将图像灰度化，使用阈值分割算法OTSU将其分割为二值图像，提取果蔬区域；使用形态学方法中的开运算，平滑果蔬区域轮廓，计算果蔬区域的投影面积，求得区域的最小外接圆的面积，投影面积与最小外接圆的面积之比即为形状特征值。

6.根据权利要求2所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，为评估预测模型的性能，计算模型预测的相关系数和均方根误差，相关系数越大且均方根误差越小，预测结果越准确。

7.根据权利要求6所述的果蔬干制过程中的果蔬含水率检测方法，其特征在于，计算模型预测的相关系数R和均方根误差RMSE包括：

其中，X表示真实含水率，Y表示预测含水率，cov代表协方差，E是数学期望。

8.一种果蔬干制过程中的果蔬含水率检测系统，其特征在于，包括：

获取模块，用于获取待检测的果蔬样品切片图像；

预测模块，用于利用训练好的预测模型，对所述待检测的果蔬样品切片图像进行处理，获得处理结果，所述处理结果包括果蔬样品的含水率；其中，所述训练好的预测模型由训练集训练得到，所述训练集包括多张果蔬样品切片图像以及标注图像中果蔬样品的真实含水率的标签。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的果蔬干制过程中的果蔬含水率检测方法的指令。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行如权利要求1-6任一项所述的果蔬干制过程中的果蔬含水率检测方法。