[发明专利]一种水果内部结构无损检测方法、系统、电子设备及介质

权利要求书

1.一种水果内部结构无损检测方法，其特征在于：包括：

基于神经网络构建初级水果元素识别模型；

获取第一水果图像以及与所述第一水果图像对应的第一标注信息，并通过所述第一水果图像和所述第一标注信息，对所述初级水果元素识别模型进行优化处理，得到优化后水果元素识别模型；

获取待检测水果图像，并将所述待检测水果图像输入所述优化后水果元素识别模型进行处理，得到所述待检测水果图像对应的最终标注信息；

根据所述最终标注信息，得到所述待检测水果图像对应的重绘图像。

2.根据权利要求1所述的一种水果内部结构无损检测方法，其特征在于：通过所述第一水果图像和所述第一标注信息，对所述初级水果元素识别模型进行优化处理，得到优化后水果元素识别模型，包括：

将所述第一水果图像输入所述初级水果元素识别模型进行处理，得到与所述第一水果图像对应的多个第二标注区块；

基于所述第一标注信息的指定像素区域和多个第二标注区块，构建得到与多个第二标注区块对应的多个损失函数，然后求取多个损失函数的损失值；

将与所述第一标注信息的指定像素区域对应的多个损失值进行对比，得到多个损失值中的最小损失值，然后得到与所述第一标注信息中所有像素区域分别匹配的最小损失值对应的第二标注区块；

将与所述第一标注信息中所有像素区域分别匹配的最小损失值对应的第二标注区块作为所述初级水果元素识别模型对所述第一水果图像的输出结果，然后基于所述输出结果对所述初级水果元素识别模型进行优化，得到优化后水果元素识别模型。

3.根据权利要求2所述的一种水果内部结构无损检测方法，其特征在于：所述第一标注信息包括所述第一水果图像中指定水果元素对应的第一轮廓图像及所述第一轮廓图像对应的第一标签信息，所述第一标签信息用于表示所述第一轮廓图像对应的水果元素的类型；

所述第二标注区块包括所述第一水果图像中指定水果元素对应的第二像素区块及所述第二像素区块对应的第二标签信息，所述第二标签信息用于表示所述第二像素区块对应的水果元素的类型；

所述损失函数包括第一损失函数、第二损失函数和/或第三损失函数；其中，所述第一损失函数为：

其中，m为样本个数，即所述第一水果图像中所有水果元素的个数，y’⁽ⁱ⁾为第i个样本对应第一标注信息的真实分类，x’⁽ⁱ⁾为第i个样本的求解分类，h_θ为x’⁽ⁱ⁾的准确概率；

所述第二损失函数包括：

t_x＝(x-x_a)/w_a，t_y＝(y-y_a)/h_a，

t_w＝log(w/w_a)，t_h＝log(h/h_a)，

其中，x为预测输出结果的中心的横坐标，x_a为所述第二标注区块的横坐标，x*为所述第一轮廓图像的中心的横坐标，y为预测输出结果的中心的纵坐标，y_a为所述第二标注区块的纵坐标，y*为所述第一轮廓图像的中心的纵坐标，w为预测输出结果的宽，w_a为所述第二标注区块的宽，w*为所述第一标注信息的指定像素区域的宽，h为预测输出结果的高，h_a为所述第二标注区块的高，h*为所述第一标注信息的指定像素区域的高，t_x为所述第二标注区块的横坐标相对预测输出结果的中心的横坐标平移缩放参数，t_w为所述第二标注区块的宽相对预测输出结果的宽的平移缩放参数，t_y为所述第二标注区块的纵坐标相对预测输出结果的中心的纵坐标平移缩放参数，t_h为所述第二标注区块的高相对预测输出结果的高的平移缩放参数，t_x*为所述第二标注区块的横坐标相对所述第一轮廓图像的中心的横坐标的平移缩放参数，t_w*为所述第二标注区块的宽相对所述第一标注信息的指定像素区域的宽的平移缩放参数，t_y*为所述第二标注区块的纵坐标相对所述第一轮廓图像的中心的纵坐标的平移缩放参数，t_h*为所述第二标注区块的高相对所述第一标注信息的指定像素区域的高的平移缩放参数；

所述第三损失函数为：

FIU(S1,S2)＝SI/(S1+S2-SI)；

其中，S1为第一标注信息的指定像素区域的面积，S2为所述第二像素区块的面积，FIU(S1,S2)为所述第一标注信息的指定像素区域和所述第二像素区块叠加至同一基准图像时的交并比，SI为所述第一标注信息的指定像素区域和所述第二像素区块叠加至同一基准图像时的重合区域的面积。