[发明专利]一种智能果蔬质量检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种智能果蔬质量检测方法及系统，该方法包括：基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；构建孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；利用训练好的孪生网络对果蔬图像进行质量检测，基于果蔬质量进行果蔬售卖价格的估计和推广摆放位置的确定；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。本发明可对果蔬质量进行准确检测。

技术领域

本发明涉及人工智能领域，具体涉及一种智能果蔬质量检测方法及系统。

背景技术

瓜果蔬菜作为生活的必需品，任何人都离不开它，在越来越重视营养健康的今天，瓜果蔬菜的新鲜度和无公害是消费者消费时首要侧重的选择，而商家在具体销售时，仅仅能通过货源确定是否无公害进行定价，而新鲜度会随着时间的变化逐渐变差，从而会导致定价与实际产品不符，可能造成买卖双方的损失。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种智能果蔬质量检测方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种智能果蔬质量检测方法，该方法包括以下具体步骤：

基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；

获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；

构建所述孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；

利用训练好的孪生网络对果蔬图像进行质量检测；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。

进一步地，在每个储放区域采集的每张果蔬图像的训练参与度的获取具体为：

基于采集果蔬图像时果蔬的存放时间，获取各个储放区域对应的果蔬质量亏损度序列、环境温度序列和环境湿度序列；存放一段时间后果蔬重量与果蔬入库重量差值绝对值与果蔬入库重量的比值为果蔬质量亏损度；

基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，基于相似度对储放区域进行分组；

对于每个分组中的每个储放区域，基于环境温度序列和环境湿度序列计算该储放区域与组内其他储放区域环境温湿度变化情况的相似度H；

根据每个储放区域对应的S和H计算在该储放区域采集的果蔬图像的训练参与度；对于每个储放区域，该储放区域与仓库整体存放条件越相似，该储放区域与所属组内其他储放区域环境温湿度变化情况越相似，所采集的果蔬图像中果蔬的变质越是环境温湿度导致的。

进一步地，基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，具体地：

表示当前储放区域与其他第个储放区域存放条件的相似度，和分别表示当前储放区域与其他第个储放区域对应的果蔬质量亏损度序列；除当前储放区域外，仓库中还有个储放区域；

为基于果蔬质量亏损度序列和得到的皮尔逊相关系数，为极差函数，为标准差函数。

进一步地，对于每个分组中的每个储放区域，基于环境温度序列和环境湿度序列计算该储放区域与组内其他储放区域环境温湿度变化情况的相似度H，具体地：