【技术实现步骤摘要】
本专利技术属于分析检测，更具体地，涉及一种基于计算机视觉的油菜籽蛋白质和油脂含量在线检测方法、装置及系统。
技术介绍
1、油菜籽是全球重要的油料作物，具有极高的经济和农业价值。其中，蛋白质和油脂含量是评估其品质和经济效益的核心指标。高含油量提高了生产菜籽油的效率，而菜籽油是供人类食用的健康、不饱和脂肪的主要来源，也使其成为生产生物燃料的重要原料，支持向可再生能源的过渡。同时，富含蛋白质的菜籽粕是榨油的副产品，可作为动物饲料的优质蛋白质来源，为牲畜营养做出贡献。这些特点使得油菜籽不仅具有经济效益，而且在解决粮食安全、可持续农业和能源需求方面也至关重要。
2、油菜籽蛋白含量和含油量的传统化学检测方法如索氏抽提法、凯氏定氮法不仅耗时、费力，而且往往具有破坏性，不适用于高通量分析，难以满足现代快速、无损检测的需求。
3、在深度学习迅速发展的背景下，将模型部署到移动端本地应用中已成为热门研究领域。移动端设备由于资源有限，在计算能力、存储空间和功耗方面存在显著挑战，因此在确保模型性能的同时实现轻量化和高效推理至关重要。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提出了一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测方法、装置及系统，有效地在移动端部署深度学习模型，通过格式转换和优化推理过程等技术，实现准确性与推理速度的平衡，为在资源受限环境中应用深度学习模型提供参考。
2、为实现上述目的，按照本专利技术的一个方面，提供了一种基于轻量化模
3、建立样本数据集，其中，所述样本数据集包括油菜籽图像和各油菜籽图像对应的蛋白质和油脂含量；
4、将样本数据集划分为训练集、验证集和测试集；
5、基于卷积神经网络构建油菜籽蛋白质和油脂含量预测模型；
6、通过训练集对预测模型进行训练，通过测试集对预测模型进行测试，通过验证集对预测模型进行验证。
7、在一些可选的实施方案中，使用fasternet模型构建油菜籽蛋白质和油脂含量预测模型。
8、在一些可选的实施方案中，使用电子显微镜，搭配高清ccd工业相机，并配有避光黑箱和恒流环形灯采集油菜籽图像。
9、在一些可选的实施方案中，图像采集时，将像素设置为680*680，分辨率调整为120。
10、在一些可选的实施方案中，基于pytorch框架对预测模型进行训练，选择pytorchmobile作为移动端部署框架，并将训练过程中已保存的预测模型转换为pt格式文件，将转换后的预测模型嵌入到移动端应用程序中，集成推理引擎。
11、按照本专利技术的另一方面，提供了一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测装置，包括：
12、数据集建立模块，用于建立样本数据集，其中，所述样本数据集包括油菜籽图像和各油菜籽图像对应的蛋白质和油脂含量；
13、数据集划分模块，用于将样本数据集划分为训练集、验证集和测试集；
14、模型构建模块，用于基于卷积神经网络构建油菜籽蛋白质和油脂含量预测模型；
15、训练模块，用于通过训练集对预测模型进行训练，通过测试集对预测模型进行测试，通过验证集对预测模型进行验证。
16、在一些可选的实施方案中，使用fasternet模型构建油菜籽蛋白质和油脂含量预测模型。
17、按照本专利技术的另一方面，提供了一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测系统，包括：移动端及拍照设备；
18、所述移动端包括上述任一项所述的装置。
19、在一些可选的实施方案中，所述拍照设备使用电子显微镜，搭配高清ccd工业相机，并配有避光黑箱和恒流环形灯采集油菜籽图像。
20、在一些可选的实施方案中，图像采集时，将像素设置为680*680，分辨率调整为120。
21、在一些可选的实施方案中，基于pytorch框架对预测模型进行训练，选择pytorchmobile作为移动端部署框架，并将训练过程中已保存的预测模型转换为pt格式文件，将转换后的预测模型嵌入到移动端应用程序中，集成推理引擎。
22、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
23、本专利技术有效地在移动端部署深度学习模型，通过格式转换和优化推理过程等技术，实现准确性与推理速度的平衡，为在资源受限环境中应用深度学习模型提供参考。并将移动端app和便携式拍照装备集成一体。
本文档来自技高网...【技术保护点】
1.一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，使用FasterNet模型构建油菜籽蛋白质和油脂含量预测模型。
3.根据权利要求1或2所述的方法，其特征在于，使用电子显微镜，搭配高清CCD工业相机，并配有避光黑箱和恒流环形灯采集油菜籽图像。
4.根据权利要求3所述的方法，其特征在于，图像采集时，将像素设置为680*680，分辨率调整为120。
5.根据权利要求4所述的方法，其特征在于，基于Pytorch框架对预测模型进行训练，选择Pytorch Mobile作为移动端部署框架，并将训练过程中已保存的预测模型转换为pt格式文件，将转换后的预测模型嵌入到移动端应用程序中，集成推理引擎。
6.一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，使用FasterNet模型构建油菜籽蛋白质和油脂含量预测模型。
8.一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测系统，
9.根据权利要求8所述的系统，其特征在于，所述拍照设备使用电子显微镜，搭配高清CCD工业相机，并配有避光黑箱和恒流环形灯采集油菜籽图像。
10.根据权利要求9所述的系统，其特征在于，基于Pytorch框架对预测模型进行训练，选择Pytorch Mobile作为移动端部署框架，并将训练过程中已保存的预测模型转换为pt格式文件，将转换后的预测模型嵌入到移动端应用程序中，集成推理引擎。
...【技术特征摘要】
1.一种基于轻量化模型的油菜籽蛋白质和油脂含量在线检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，使用fasternet模型构建油菜籽蛋白质和油脂含量预测模型。
3.根据权利要求1或2所述的方法，其特征在于，使用电子显微镜，搭配高清ccd工业相机，并配有避光黑箱和恒流环形灯采集油菜籽图像。
4.根据权利要求3所述的方法，其特征在于，图像采集时，将像素设置为680*680，分辨率调整为120。
5.根据权利要求4所述的方法，其特征在于，基于pytorch框架对预测模型进行训练，选择pytorch mobile作为移动端部署框架，并将训练过程中已保存的预测模型转换为pt格式文件，将转换后的预测模型嵌入到移动端应用程序中，集成推理引擎。
<...【专利技术属性】
技术研发人员：魏芳，郭梦帅，吕昕，王丹，陈洪，刘昌盛，李文林，黄凤洪，
申请(专利权)人：中国农业科学院油料作物研究所，
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。