[发明专利]基于人工智能的模糊度检测方法、系统、设备及介质

说明书

本申请涉及人工智能，提供了一种基于人工智能的模糊度检测方法、系统、设备及介质，其中方法包括：将历史图片数据输入至训练好的VGG19模型中，输出得到模糊度阈值范围；将待检测图片输入至训练好的模糊度检测模型，得到所述待检测图像的模糊度值；当所述模糊度值在所述模糊度阈值范围之外时，对所述待检测图片告警。本发明通过训练得到的VGG19模型可以直接通过图片得到模糊度阈值范围信息，基于模糊度检测模型对图像进行模糊度值检测，并将图像检测到地模糊度值与模糊度阈值进行比较，当模糊度值在模糊度阈值范围之外时，对待检测图片告警，代替了原有的人工分类识别，从而提高了图片模糊度识别的效率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种基于人工智能的模糊度检测方法、系统、设备及介质。

背景技术

目前，在进口冻品监管系统中，货主申报的数据提交到后台审批，有大量数据因为图片模糊不清被退回，需要重新修改上传清晰图片后再进行提交申报，这些图片包括报关单、货物清单、检疫检验证明、消毒证明、核酸检测证明等，每种类型的图片最多可上传9张，整个申报最多可上传45张图片，要从这45张图片中核对某一张或者某几张图片不清晰，需要人工逐一核查，需要花大量的时间在审批这个环节，由于审批人员人力不足，时间有限，导致审批速度较慢，而货主又比较着急，因为要把冷冻的食品快速推向市场，耽误上市导致成本增加。传统的人工审核多张图片方式，非常耗时耗力，审批时效慢，耽误了冷冻食品推向市场的时间，容易引发货主的不满。

发明内容

本申请提供一种基于人工智能的模糊度检测方法、系统、设备及介质，以解决传统的人工审核多张图片方式，非常耗时耗力，审批时效慢的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种基于人工智能的模糊度检测方法，包括：将历史图片数据输入至训练好的VGG19模型中，输出得到模糊度阈值范围；

将待检测图片输入至训练好的模糊度检测模型，得到所述待检测图像的模糊度值；

当所述模糊度值在所述模糊度阈值范围之外时，对所述待检测图片告警。

作为本申请的进一步改进，将历史图片数据输入至训练好的VGG19模型中，输出得到模糊度阈值范围之前，还包括：

搭建VGG19网络框架并定义所述VGG19网络框架的损失函数、初始学习率及迭代次数；

将所述训练样本图片和对应的数据集进行格式转换，并将格式转换后的数据集输入至所述VGG19网络框架进行训练；

基于所述VGG19网络框架的损失函数、初始学习率及迭代次数对所述VGG19网络框架进行迭代训练，得到训练好的VGG19模型。

作为本申请的进一步改进，将待检测图片输入至训练好的模糊度检测模型，得到所述待检测图像的模糊度值之前，还包括：

采用卷积神经网络作为基础网络，并在所述卷积神经网络层中增加分支卷积层，以构建模糊度检测模的网络结构；所述分支卷积层用于将所述基础网络中的多级特征图进行融合；

将多个所述标签图片输入至所述图片识别模型的网络结构中进行训练以生成所述模糊度检测模型。

作为本申请的进一步改进，将多个所述标签图片输入至所述图片识别模型的网络结构中进行训练以生成所述模糊度检测模型，包括：

利用加权的交叉熵损失作为主损失函数、Ring loss作为辅助损失函数，以获得所述模糊度检测模型的网络结构的损失值；

基于所述模糊度检测模型的网络结构的损失值，采用动量的随机梯度下降算法对所述模糊度检测模型的网络结构的参数进行优化，以得到模型的优化参数；

采用迁移学习的方法，对学习率进行设置，并对模型的优化参数进行调整。