[发明专利]一种蔬菜质量检测方法、系统、介质及设备

权利要求书

1.一种蔬菜质量检测方法，其特征在于，包括以下步骤：

采集蔬菜图像；

将待测图像输入训练好的YOLO深度神经网络中，输出各分级特征的位置信息；

根据分级特征的位置信息获取分级特征之间的长度比例和面积比例，将长度比例和面积比例与预设的分级标准进行比较，得到分级结果。

2.根据权利要求1所述的一种蔬菜质量检测方法，其特征在于，所述YOLO深度神经网络是使用样本数据集进行训练后得到，所述样本数据集是通过在采集的蔬菜图像上进行分级特征标记后得到。

3.根据权利要求1或2所述的一种蔬菜质量检测方法，其特征在于，当所述蔬菜为菜心时，其分级特征包括：菜心切割点、第一片叶首叶节点、第二片叶首叶节点、叶顶端和花蕾。

4.根据权利要求3所述的一种蔬菜质量检测方法，其特征在于，所述根据分级特征的位置信息获取分级特征之间的长度比例和面积比例，是指将菜心切割点到第一片叶首叶节点、第一片叶首叶节点的位置到第二片叶首叶节点、第二片叶首叶节点的位置到叶顶端三者的长度比例进行长度划分，使用花蕾的位置信息裁剪花蕾图片并获取花蕾图片中黄色所占面积来进行成熟度划分。

5.一种蔬菜质量检测系统，其特征在于，包括读取模块、训练学习检测模块、分级模块和结果输出模块，

所述读取模块用于通过视图传输设备在计算机上输入蔬菜图像；

训练学习检测模块，所述训练学习模块用于构建YOLO深度神经网络并使用特征标记模块标记好的样本数据集进行训练，使用获得的权重文件对蔬菜图像进行检测；

所述分级模块用于根据分级特征的位置信息获取分级特征之间的长度比例和面积比例，将长度比例和面积比例与预设的分级标准进行比较，得到分级结果；

所述结果输出模块用于输出最终分级结果，并通过显示器界面显示出来。

6.根据权利要求5所述的一种蔬菜质量检测系统，其特征在于，还包括：

特征标记模块，所述特征标记模块用于标记蔬菜图像的特征形成样本数据集。

7.根据权利要求6所述的一种蔬菜质量检测系统，其特征在于，所述训练学习检测模块包括：

训练集特征样本单元，用于存储训练图像特征；

样本抽取单元，用于从训练集特征样本单元中抽取训练所需的特征样本构成模型训练子集；

模型训练单元，用于采用YOLO深度神经网络进行训练，得到训练后的权重文件；

模型检测单元，用于使用权重文件进行蔬菜图像的检测。

8.根据权利要求5所述的一种蔬菜质量检测系统，其特征在于，所述读取模块包括：

图像采集单元，用于采集蔬菜图像；

划分单元，用于将图像数据集分为用于训练模型的训练图像和用于评估模型的测试图像。

9.一种存储介质，其特征在于，存储有程序，所述程序被处理器执行时实现权利要求1-4任一所述的蔬菜质量检测方法。

10.一种计算设备，其特征在于，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现权利要求1-4任一所述的蔬菜质量检测方法。