[发明专利]一种蔬菜质量检测方法、系统、介质及设备

说明书

本发明公开了一种蔬菜质量检测系统，包括读取模块、特征标记模块、训练学习检测模块、分级模块和结果输出模块。该诊断系统存储在计算机的硬盘上。读取模块用于在计算机的硬盘上存储有蔬菜质量检测系统，通过视图传输设备在计算机上输入蔬菜图像；特征标记模块用于标记蔬菜图像的各个特征形成样本；训练学习检测模块用于构建并训练YOLO深度神经网络，并对蔬菜图像进行检测；分级模块用于根据蔬菜各预测框的坐标信息获取其长度比例及面积比例，最后与定好的标准进行比较，得到分级结果。本发明还提供了相应的介质及设备，减少了系统所需存储硬盘的空间，该系统所使用的深度学习网络模型大大提高了训练速度和分级效率。

技术领域

本发明涉及目标检测技术领域，具体涉及一种蔬菜质量检测方法、系统、介质及设备。

背景技术

在现有的蔬菜识别方法中，大多采用传统目标检测方法对蔬菜进行识别。然而传统目标检测方法存在着耗时长的问题，不能满足蔬菜生产种实时性的要求。随着深度学习技术的不断发展，人们使用深度卷积网络模型对蔬菜进行检测，但当前深度卷积网络技术对蔬菜的检测精度不高，且实时性检测水平不强。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提出一种蔬菜质量检测方法，采用深度学习网络来对蔬菜质量进行检测，首先预训练，再进行检测，对于所提取出来的图像特征样本，根据输出的位置信息进行分级，用于判断蔬菜的质量。这种深度学习网络大大提高了模型训练效率，同时运用实际图片框定的范围能够有效保证结果的可靠性。

本发明的第二目的在提供一种蔬菜质量检测系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明提供的一种蔬菜质量检测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

本发明提供的一种蔬菜质量检测系统，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，

所述读取模块通过视图传输设备在计算机上输入蔬菜图像；

所述训练学习检测模块用于使用YOLO对标记好的蔬菜图像进行训练并进行测试；

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；具体地，在蔬菜类型为蔬菜时，用于通过检测后输出的蔬菜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个特征的位置信息获取其长度比例，并通过花蕾的位置信息裁剪获得花蕾图片并获取黄色所占花蕾图片面积的面积比例，最终通过将长度比例、面积比例与规定的范围进行比较并输出分级结果：A类(可食用)，B类(另作他用)；

所述结果输出模块用于输出最终诊断结果，并通过显示器界面显示出来。