申请/专利权人：同济大学

申请日：2024-02-01

公开（公告）日：2024-04-16

公开（公告）号：CN117893831A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/26;G06V10/82;G06N3/0464;G06N3/047;G06V10/25;G06V20/68

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于语义分割的香蕉成熟度分类方法，本发明利用语义分割对香蕉主体区域进行采样，有效解决了以往未能有效处理图像噪声提取感兴趣区域特征的问题。利用卷积神经网络模型的特征抽取能力和拟合能力实现对不同成熟度香蕉的分类。利用语义分割以及蒙特卡洛方法优化后的方法可以有效提高准确率和降低计算资源的要求。本发明在香蕉催熟行业经验标准上，将香蕉的成熟度分为七个等级，通过对表皮区域以及杆部区域的图像特征进行综合分析来确定最终的成熟度，过程严谨且准确率高。本发明可以有效去除了噪音的影响，实现对不同成熟度香蕉的分类，同时可以有效提高准确率和降低计算资源。

主权项：1.一种基于语义分割的香蕉成熟度分类方法，其特征在于，包括以下步骤：步骤S1：采集不同成熟度香蕉的图像数据；步骤S2：将所述图像数据基于香蕉催熟行业经验标准进行成熟度分类并保存归档；步骤S3：将所述归档的图像数据基于所述成熟度分类，按照归档的图像数据1:3的比例分成采样数据集和整蕉测试数据集，让两种数据集没有交集保证对测试结果不会产生影响；所述采样数据集，用于提取香蕉表皮图像特征；所述整蕉测试数据集，用于对整个优化后的有效性进行验证。步骤S4：在所述采样数据集的图像数据中获取香蕉的成熟度采样，基于所述香蕉的成熟度采样训练卷积神经网络模型；步骤S5：采集多源香蕉照片训练神经网络模型的语义分割任务，得到训练后的语义分割神经网络模型；步骤S6：将所述训练后的语义分割神经网络模型对整蕉测试数据集中的所述图像数据执行语义分割任务，得到图像数据中对图像的分区，所述图像的分区包括香蕉主体区域、香蕉杆部区域、香蕉茎部聚集区以及背景区；步骤S7：基于蒙特卡洛方法对所述香蕉主体区域随机采样，将采样的样本输入步骤S4中的所述卷积神经网络模型中进行预测，所述卷积神经网络模型中每个所述样本基于所述香蕉催熟行业经验标准进行分类，对输出结果进行统计和投票，投票最高的作为投票结果来确定香蕉成熟度。

全文数据：

权利要求：

百度查询： 同济大学 一种基于语义分割的香蕉成熟度分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD