基于图像识别的蔬菜核对方法及系统
申请人信息
- 申请人:创思(广州)电子科技有限公司
- 申请人地址:510120 广东省广州市越秀区小新街106号
- 发明人: 创思(广州)电子科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于图像识别的蔬菜核对方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311799703.0 |
| 申请日 | 2023/12/26 |
| 公告号 | CN117475240A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 创思(广州)电子科技有限公司 |
| 发明人 | 邓丽 |
| 地址 | 广东省广州市越秀区小新街106号 |
摘要文本
本发明涉及图像识别技术领域,具体为基于图像识别的蔬菜核对方法及系统,包括以下步骤:基于蔬菜图像,采用卷积神经网络进行特征提取,生成蔬菜特征集合。本发明中,通过U‑Net模型实现的图像分割精确识别每个蔬菜的独立图像,极大提高了图像处理的精度和效率,结合支持向量机和K‑最近邻算法进行蔬菜分类,使分类结果更加准确,随机森林或梯度提升机算法用于质量评估和缺陷检测,提高评估的准确性和可靠性,孤立森林或自编码器算法在异常模式检测方面表现出高效的识别能力,发现并处理异常情况,成熟度和新鲜度的深度学习模型评估确保了评估的全面性和深度,采用图像处理算法进行蔬菜尺寸和形状的测量,为蔬菜的分类和质量评估提供辅助信息。
专利主权项内容
1.基于图像识别的蔬菜核对方法,其特征在于,包括以下步骤:基于蔬菜图像,采用卷积神经网络进行特征提取,生成蔬菜特征集合;基于所述蔬菜特征集合,采用U-Net模型进行图像分割,生成分割蔬菜图像;基于所述蔬菜特征集合,采用支持向量机和K-最近邻算法进行蔬菜分类,生成蔬菜种类分类结果;基于所述分割蔬菜图像,采用随机森林或梯度提升机算法进行质量评估和缺陷检测,生成蔬菜质量与缺陷报告;基于所述蔬菜质量与缺陷报告,采用孤立森林或自编码器算法进行异常模式检测,生成异常检测报告;基于所述蔬菜种类分类结果,采用深度学习模型进行成熟度和新鲜度评估,生成成熟度和新鲜度评估报告;基于所述分割蔬菜图像,采用图像处理算法进行尺寸和形状测量,生成蔬菜尺寸和形状测量报告;所述蔬菜特征集合包括形状描述符、颜色直方图和纹理特征,所述分割蔬菜图像具体为每个蔬菜的独立图像,所述蔬菜种类分类结果包括多种蔬菜的类别标签,所述蔬菜质量与缺陷报告包括新鲜度等级、尺寸数据和颜色健康度,所述异常检测报告包括识别出的表面异常模式,所述成熟度和新鲜度评估报告包括多蔬菜的成熟阶段和保鲜状况,所述蔬菜尺寸和形状测量报告包括每个蔬菜的长度、宽度和体积信息。