一种确定水产品来源的方法和装置制造方法及图纸

本发明专利技术提供一种确定水产品来源的方法和装置。本发明专利技术第一方面提供一种确定水产品来源的方法，包括如下步骤：获取所述水产品的图像信息和光谱信息，并将所述图像信息和光谱信息输入至目标深度学习模型进行处理，确定所述水产品的来源。本发明专利技术提供的确定水产品来源的方法和装置，通过采集确定来源的水产品的图像信息和光谱信息，并提取出水产品的关键特征，建立若干基于关键特征的训练子模型，并参考所设阈值对子模型的学习结果进行优化训练，从而构建得到稳健的目标深度学习模型，使用该目标深度学习模型，可以快速、高效的确定水产品的来源。源。源。

【技术实现步骤摘要】
一种确定水产品来源的方法和装置


[0001]本专利技术涉及计算机图像处理
，具体涉及一种确定水产品来源的方法和装置。

技术介绍

[0002]近年来随着人们生活水平和消费水平的逐渐提高增高，人们对物质生活的需求量也在逐年增长，对产品的质量要求更是越来越严格，不同厂家或者不同来源的同种产品之间也存在细微的差异。以对虾为例，因其美味且富含蛋白质、不饱和脂肪酸和矿物质等营养价值，成为日常生活中最重要的水产品之一，而淡水养殖的对虾和海水养殖的对虾存在较大的不同，淡水养殖的对虾在蛋白质含量、游离氨基酸、水分和风味方面不如海水养殖的对虾，海水养殖的对虾相较于淡水养殖的对虾具有优良的生长性能和高的耐盐性，可耐受较大范围的盐度。基于淡水养殖和海水养殖出的对虾的品质差异，特别是营养价值方面的差异，会引起消费者的偏好，同时也造成了很明显的价格差异。因此，迫切需要一种快速、高效的确定水产品来源的方法。

技术实现思路

[0003]本专利技术提供一种确定水产品来源的方法和装置，用于确定水产品的来源。
[0004]本专利技术第一方面提供一种确定水产品来源的方法，包括如下步骤：
[0005]获取所述水产品的图像信息和光谱信息，并将所述图像信息和光谱信息输入至目标深度学习模型进行处理，确定所述水产品的来源；
[0006]其中，所述目标深度学习模型的构建方法包括：
[0007]获取若干个确定来源的水产品的图像信息和光谱信息，并从图像信息和光谱信息中提取一个或多个特征，建立与所述特征对应的一个或多个子模型；
[0008]对所述子模型设置阈值，当不低于1/2的子模型的学习结果大于阈值时，则完成所述目标深度学习模型的构建。
[0009]在一种具体实施方式中，通过高光谱成像系统获取所述水产品的图像信息和光谱信息。
[0010]在一种具体实施方式中，所述方法还包括：对所述水产品的图像信息和光谱信息进行预处理，所述预处理包括去除图像信息和光谱信息的背景、暗噪音和杂散光。
[0011]在一种具体实施方式中，所述目标深度学习模型的构建方法还包括：
[0012]当低于1/2的子模型的学习结果大于阈值时，则根据子模型的学习结果赋予子模型新的权重，并将所述权重进行归一化处理；
[0013]根据子模型更新后的权重获取所述子模型更新后的学习结果，并将所述子模型更新后的学习结果与所述阈值进行比较，直至不低于1/2的子模型的学习结果大于阈值。
[0014]在一种具体实施方式中，将所述图像信息和光谱信息输入至目标深度学习模型进行处理具体包括：
[0015]获取所述图像信息和光谱信息中的一个或多个特征，并将所述特征输入至子模型中进行学习训练，将所述子模型的学习结果与所述阈值进行比较，当不低于1/2的子模型的学习结果大于阈值时，则根据1/2的子模型的学习结果确定所述水产品的来源。
[0016]在一种具体实施方式中，所述水产品为对虾，所述对虾的特征包括灰度特征、几何特征、纹理特征、物质反射、光谱特征中的一种或多种。
[0017]本专利技术第二方面提供一种确定水产品来源的装置，实现上述任一所述确定水产品来源的方法，所述装置包括信息采集系统、目标深度学习系统和在线控制系统，其中：
[0018]信息采集系统，用于获取所述水产品的图像信息和光谱信息；
[0019]目标深度学习系统，用于处理所述图像信息和光谱信息，并确定所述水产品的来源；
[0020]在线控制系统，用于控制所述信息采集系统和目标深度学习系统，并输出所述目标物的来源。
[0021]在一种具体实施方式中，所述信息采集系统为高光谱成像系统，包括传送模块、光源模块、采集模块和数据处理模块，其中：
[0022]所述传送模块用于将所述水产品传送至采集模块下方；
[0023]所述采集模块用于采集所述水产品的图像信息和光谱信息并传送至数据处理模块；
[0024]所述光源模块用于为所述采集模块提供光源；
[0025]所述数据处理模块用于将所述采集模块获得的图像信息和光谱信息进行收集和预处理。
[0026]在一种具体实施方式中，所述目标深度学习系统还包括特征提取模块、子模型学习模块、阈值设定模块、判断模块和输出模块，其中：
[0027]所述特征提取模块用于提取所述图像信息和光谱信息中的一个或多个特征；
[0028]所述子模型学习模块用于对所述特征进行学习训练；
[0029]所述阈值设定模块用于对所述子模型进行阈值设定；
[0030]所述判断模块用于判断所述子模型的学习结果与所述阈值的大小，确定所述水产品的来源；
[0031]所述输出模块用于将所述水产品的来源输出至在线控制系统。
[0032]在一种具体实施方式中，所述在线控制系统包括数据输入模块，数据处理模块和数据输出模块；
[0033]所述数据输入模块用于将所述信息采集系统采集到的图像信息和光谱信息输入至目标深度学习系统；
[0034]所述数据处理模块用于执行所述目标深度学习系统；
[0035]所述数据输出模块用于输出所述水产品的来源。
[0036]本专利技术提供的确定水产品来源的方法和装置，通过采集确定来源的水产品的图像信息和光谱信息，并提取出水产品的关键特征，建立若干基于关键特征的训练子模型，并参考所设阈值对子模型的学习结果进行优化训练，从而构建得到稳健的目标深度学习模型，使用该目标深度学习模型，可以快速、高效的确定水产品的来源。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本专利技术一实施例提供的确认水产品来源的方法流程图；
[0039]图2为本专利技术一实施例提供的目标深度学习模型的构建方法流程图；
[0040]图3为本专利技术一实施例提供的确认水产品来源的装置结构示意图；
[0041]图4为本专利技术一实施例提供的高光谱成像系统的示意图；
[0042]图5为本专利技术一实施例提供的深度学习系统的示意图；
[0043]图6为本专利技术一实施例提供的在线控制系统的示意图。
[0044]附图标记说明：
[0045]1‑
步进电机；
[0046]2‑
光谱仪；
[0047]3‑
面阵相机；
[0048]4‑
光源；
[0049]5‑
计算机；
[0050]6‑
传送带；
[0051]7‑
水产品。
具体实施方式
[0052]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术的实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定水产品来源的方法，其特征在于，包括如下步骤：获取所述水产品的图像信息和光谱信息，并将所述图像信息和光谱信息输入至目标深度学习模型进行处理，确定所述水产品的来源；其中，所述目标深度学习模型的构建方法包括：获取若干个确定来源的水产品的图像信息和光谱信息，并从图像信息和光谱信息中提取一个或多个特征，建立与所述特征对应的一个或多个子模型；对所述子模型设置阈值，当不低于1/2的子模型的学习结果大于阈值时，则完成所述目标深度学习模型的构建。2.根据权利要求1所述的方法，其特征在于，通过高光谱成像系统获取所述水产品的图像信息和光谱信息。3.根据权利要求1或2所述的方法，其特征在于，所述目标深度学习模型的构建方法还包括：对所述水产品的图像信息和光谱信息进行预处理，所述预处理包括去除图像信息和光谱信息的背景、暗噪音和杂散光。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述目标深度学习模型的构建方法还包括：当低于1/2的子模型的学习结果大于阈值时，则根据子模型的学习结果赋予子模型新的权重，并将所述权重进行归一化处理；根据子模型更新后的权重获取所述子模型更新后的学习结果，并将所述子模型更新后的学习结果与所述阈值进行比较，直至不低于1/2的子模型的学习结果大于阈值。5.根据权利要求4所述的方法，其特征在于，将所述图像信息和光谱信息输入至目标深度学习模型进行处理具体包括：获取所述图像信息和光谱信息中的一个或多个特征，并将所述特征输入至子模型中进行学习训练，将所述子模型的学习结果与所述阈值进行比较，当不低于1/2的子模型的学习结果大于阈值时，则根据1/2的子模型的学习结果确定所述水产品的来源。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，所述水产品为对虾，所述对虾的特征包括灰度特...

【专利技术属性】
技术研发人员：孙大伟，翟莉，叶宏宝，周成全，
申请(专利权)人：浙江省农业科学院，
类型：发明
国别省市：