System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及鸡蛋品质检测相关,尤其是涉及一种鸡蛋品质检测方法、系统、设备及存储介质。
技术介绍
1、鸡蛋作为最常食用的禽蛋之一,其中含有大量的维生素以及矿物质,是良好的膳食营养来源。根据世界粮食与农业组织统计,2018年全球产蛋量超过一亿三千七百万公吨。鸡蛋在生产和消费的过程中若能做到按品质分级论价,则既有利于生产经营者采取科学的管理方式保证鸡蛋及其副产品的品质,又能维护消费者的权益,保障食用者的身体健康。因此如何挑选一个优质的鸡蛋成为当下亟待解决的问题之一。目前普遍采用人工照蛋等物理方法检测鸡蛋的品质,但这种方法效率低,判断结果多依据工人经验,主观性强,成本高但准确率不高。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题。为此,本专利技术提出一种鸡蛋品质检测方法、系统、设备及存储介质,能够防止在虹膜识别使用过程中信息泄露,提升了隐私数据的安全性。
2、本专利技术的第一方面,提供了一种鸡蛋品质检测方法,用于比对服务器,包括如下步骤:
3、获取待检测鸡蛋图像和历史鸡蛋图像,并根据所述历史鸡蛋图像构建暗斑测试数据集;
4、构建初始第一图像分割模型,将所述训练数据集输入所述初始第一图像分割模型进行训练,得到训练好的第一图像分割模型;
5、构建初始第二图像分割模型,将所述训练数据集输入所述初始第二图像分割模型进行训练,得到训练好的第二图像分割模型;
6、将所述待检测鸡蛋图像输入所述训练好的第一图像分割模型,得到
7、根据所述第一暗斑信息与所述第二暗斑信息进行暗斑占比计算,得到所述待检测鸡蛋的暗斑占比;
8、根据所述暗斑占比与预设阈值进行品质划分,得到所述待检测鸡蛋的品质检测结果。
9、根据本专利技术实施例的控制方法,至少具有如下有益效果:
10、本方法通过将待检测鸡蛋图像输入训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息;将待检测鸡蛋图像输入训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息;提高了鸡蛋品质分级的可信度,同时也提高了鸡蛋品质分级的效率和准确率,根据第一暗斑信息与第二暗斑信息进行暗斑占比计算,得到待检测鸡蛋的暗斑占比;根据暗斑占比与预设阈值进行品质划分,得到待检测鸡蛋的品质检测结果,降低了成本。
11、根据本专利技术的一些实施例,所述根据所述历史鸡蛋图像构建暗斑测试数据集,包括:
12、提取所述历史鸡蛋图像的暗斑信息并标定所述暗斑信息,得到标定后鸡蛋图像;
13、对所述标定后鸡蛋图像进行数据预处理,得到处理后图像;
14、根据所述处理后图像构建所述暗斑测试数据集。
15、根据本专利技术的一些实施例,所述对所述标定后鸡蛋图像进行数据预处理,得到处理后图像,包括:
16、对所述标定后鸡蛋图像进行灰度化,得到灰度化后鸡蛋图像;
17、对所述灰度化后鸡蛋图像进行中值滤波,得到滤波化后鸡蛋图像;
18、对所述滤波化后鸡蛋图像进行背景去除,得到所述处理后图像。
19、根据本专利技术的一些实施例,所述将所述待检测鸡蛋图像输入所述训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息,包括:
20、通过所述训练好的第一图像分割模型的空洞卷积对所述待检测鸡蛋图像进行特征提取,得到第一特征图像;
21、通过所述训练好的第一图像分割模型的卷积层和池化层对所述第一特征图像进行编码,得到编码后特征图像;
22、通过所述训练好的第一图像分割模型的解码器和softmax函数对所述编码后特征图像进行预测,得到所述待检测鸡蛋的第一暗斑信息。
23、根据本专利技术的一些实施例,所述将所述待检测鸡蛋图像输入所述训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息,包括:
24、通过所述训练好的第二图像分割模型的骨干网络对所述待检测鸡蛋图像进行特征提取,得到第二特征图像;
25、通过所述训练好的第二图像分割模型的感兴趣区域池化层和卷积层和池化层对所述第二特征图像进行目标检测,得到预设区域的分类概率和边界框坐标;
26、通过所述训练好的第二图像分割模型的解码器和mask head方法根据所述预设区域的分类概率和边界框坐标进行预测,得到所述待检测鸡蛋的第二暗斑信息。
27、根据本专利技术的一些实施例,所述根据所述第一暗斑信息与所述第二暗斑信息进行暗斑占比计算,得到所述待检测鸡蛋的暗斑占比,包括:
28、对所述第一暗斑信息进行二值化处理,得到第一掩码图像;对所述第二暗斑信息进行二值化处理,得到第二掩码图像;
29、对所述第一掩码图像和所述第二掩码图像进行逐像素的逻辑运算,得到合并掩码图像,并将所述合并掩码图像转换为类别标签图像;
30、根据所述类别标签图像进行暗斑占比计算,得到所述待检测鸡蛋的暗斑占比。
31、根据本专利技术的一些实施例,所述根据所述暗斑占比与预设阈值进行品质划分,得到所述待检测鸡蛋的品质检测结果,包括:
32、当所述暗斑占比大于或等于所述预设阈值,则所述待检测鸡蛋的品质检测结果为第一类;
33、当所述暗斑占比小于所述预设阈值,则所述待检测鸡蛋的品质检测结果为第二类。
34、本专利技术的第二方面,提供一种鸡蛋品质检测系统,用于比对服务器,所述鸡蛋品质检测系统包括:
35、数据获取模块,用于获取待检测鸡蛋图像和历史鸡蛋图像,并根据所述历史鸡蛋图像构建暗斑测试数据集;
36、第一图像分割模型训练模块,用于构建初始第一图像分割模型,将所述训练数据集输入所述初始第一图像分割模型进行训练,得到训练好的第一图像分割模型;
37、第二图像分割模型训练模块,用于构建初始第二图像分割模型,将所述训练数据集输入所述初始第二图像分割模型进行训练,得到训练好的第二图像分割模型;
38、暗斑信息特征获取模块,用于将所述待检测鸡蛋图像输入所述训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息;将所述待检测鸡蛋图像输入所述训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息;
39、暗斑占比计算模块,用于根据所述第一暗斑信息与所述第二暗斑信息进行暗斑占比计算,得到所述待检测鸡蛋的暗斑占比;
40、结果输出模块,用于根据所述暗斑占比与预设阈值进行品质划分,得到所述待检测鸡蛋的品质检测结果。
41、本系统通过将待检测鸡蛋图像输入训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息;将待检测鸡蛋图像输入训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息;提高了鸡蛋品质分级的可信度,同时也提高了鸡蛋品质分级的效率和准确率,根据第一暗斑信息与第二暗斑信息进行暗斑占比计算,得到待检测鸡蛋的暗斑占比本文档来自技高网...
【技术保护点】
1.一种鸡蛋品质检测方法,其特征在于,用于比对服务器,所述鸡蛋品质检测方法包括:
2.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述根据所述历史鸡蛋图像构建暗斑测试数据集,包括:
3.根据权利要求2所述的一种鸡蛋品质检测方法,其特征在于,所述对所述标定后鸡蛋图像进行数据预处理,得到处理后图像,包括:
4.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述将所述待检测鸡蛋图像输入所述训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息,包括:
5.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述将所述待检测鸡蛋图像输入所述训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息,包括:
6.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述根据所述第一暗斑信息与所述第二暗斑信息进行暗斑占比计算,得到所述待检测鸡蛋的暗斑占比,包括:
7.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述根据所述暗斑占比与预设阈值进行品质划分,得到所述待检测鸡蛋的品质检测结果,包括:<
...【技术特征摘要】
1.一种鸡蛋品质检测方法,其特征在于,用于比对服务器,所述鸡蛋品质检测方法包括:
2.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述根据所述历史鸡蛋图像构建暗斑测试数据集,包括:
3.根据权利要求2所述的一种鸡蛋品质检测方法,其特征在于,所述对所述标定后鸡蛋图像进行数据预处理,得到处理后图像,包括:
4.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述将所述待检测鸡蛋图像输入所述训练好的第一图像分割模型,得到待检测鸡蛋的第一暗斑信息,包括:
5.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述将所述待检测鸡蛋图像输入所述训练好的第二图像分割模型,得到待检测鸡蛋的第二暗斑信息,包括:
6.根据权利要求1所述的一种鸡蛋品质检测方法,其特征在于,所述根据所述第一暗斑信息与所述第二暗斑信息进行...
【专利技术属性】
技术研发人员:余沛毅,谭泽宇,刘一鸣,贾高峰,田冰川,
申请(专利权)人:华智生物技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。