[发明专利]一种红枣筛选识别方法及系统

权利要求书

1.一种红枣筛选识别方法，其特征在于，包括如下步骤：

获取样本红枣的标签数据样本、样本红枣的二维图像数据中的二维图像特征样本和样本红枣的立体数据中的三维立体特征样本；

以所述二维图像特征样本与所述三维立体特征样本作为输入参量，以标签数据样本作为输出参量进行学习训练得到红枣识别模型；

采集待识别红枣的二维图像数据中的二维图像特征和待识别红枣的立体数据中的三维立体特征；

将所述待识别红枣的所述二维图像特征和所述三维立体特征输入所述红枣识别模型，得到所述待识别红枣的标签数据识别结果；

所述标签数据包括是否有不熟果、病果、浆头、破头、畸形枣、裂果的标签。

2.根据权利要求1所述的红枣筛选识别方法，其特征在于，采集待识别红枣的二维图像数据中的二维图像特征和待识别红枣的立体数据中的三维立体特征的步骤中，通过如下方式得到所述二维图像特征：

以所述样本红枣的二维图像数据作为输入样本，以所述样本红枣的二维图像特征样本作为输出样本对学习模型进行训练，以完成训练的学习模型作为二维图像特征识别模型；

采集待识别红枣的二维图像数据输入至所述二维图像特征识别模型中，得到所述待识别红枣的二维图像特征。

3.根据权利要求2所述的红枣筛选识别方法，其特征在于，以所述样本红枣的二维图像数据作为输入样本，以所述样本红枣的二维图像特征样本作为输出样本对学习模型进行训练，以完成训练的学习模型作为二维图像特征识别模型的步骤中：

所述样本红枣的二维图像数据包括多种不同光照强度条件下和/或多种不同拍摄角度下拍摄得到的样本红枣的二维图像数据。

4.根据权利要求1-3任一项所述的红枣筛选识别方法，其特征在于，以所述二维图像特征样本与所述三维立体特征样本作为输入参量，以标签数据样本作为输出参量进行学习训练得到红枣识别模型的步骤中包括：

对所述二维图像特征样本和所述三维立体特征样本进行相关性分析后得到样本红枣的融合特征样本；

根据所述融合特征样本与所述标签数据样本之间的对应关系得到所述红枣识别模型。

5.根据权利要求4所述的红枣筛选识别方法，其特征在于：

所述二维图像特征包括红枣表面纹理和/或颜色；

所述三维立体特征包括红枣外形、体积和轮廓；

所述破头果包括掉皮、掉肉和破皮掉肉；所述裂果包括直接裂果和凹陷裂果；所述病果包括黑点、浅色散点、条状锈斑和网状锈斑，其他类型包括畸形和品种。

6.一种存储介质，其特征在于，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行权利要求1-5任一项所述的红枣筛选识别方法。

7.一种红枣筛选识别系统，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行权利要求1-5任一项所述的红枣筛选识别方法。

8.根据权利要求7所述的红枣筛选识别系统，其特征在于，还包括：

摄像头，用于获取待识别红枣的二维图像数据；

图像处理器，用于接收所述摄像头发送的待识别红枣的二维图像数据，输入其内置二维图像特征识别模型后，得到所述待识别红枣的二维图像特征，并将所述待识别红枣的二维图像特征发送至所述处理器。

9.根据权利要求8所述的红枣筛选识别系统，其特征在于：

所述摄像头包括两个，两个所述摄像头从不同角度对所述待识别红枣进行拍摄得到所述二维图像数据。

10.根据权利要求9所述的红枣筛选识别系统，其特征在于，还包括光源：

所述光源的发光强度可调节；所述摄像头在所述光源处于不同发光强度的条件下对所述待识别红枣进行拍摄得到所述二维图像数据。