一种通用式智能学习农产品检测与分级的方法与装置的制造方法
【技术领域】
[0001] 本发明涉及计算机农业技术领域，尤其涉及一种通用式智能学习农产品检测与分 级的方法与装置。
【背景技术】
[0002] 目前，随着图像处理技术的专业与计算机硬件成本的下降和速度的提高，在农产 品外观品质自动检测和分级领域的应用已经越来越广泛。
[0003] 农产品在其生产过程中由于受到人为和自然等复杂因素的影响，产品品质差异很 大，例如，形状、大小、色泽等都是变化的，很难整齐划一，故在农产品品质检测与分类时要 有足够的应变能力来适应情况的变化。
[0004] 近年来，国际上对利用机器视觉进行农产品品质自动识别研宄的对象极其广泛， 例如，通过对马铃薯、鸡蛋、苹果等农产品的大小、形状、颜色和表面损伤与缺陷等进行分 级，已达到不同等级的产品面向不同的市场。
[0005] 现今，农产品表面缺陷和损伤的自动检测一直是农产品分级中的一个难题，即现 有技术中，通过对被检测品的图像进行低通滤波后与原图像进行相减，取得坏损点特征。并 通过由人工建立的针对被测品的坏损特征分级模型，可以完成对被测品的分级处理。通过 近红外线扫描摄像机的对被测品表面灰度图像的算法，可以确定损伤面积，并将碰压伤和 其他坏损区域分开处理，并通过对比坏损品特征分级模型，完成对被检品的分级处理。另外 通过提取被测品的尺寸与面积特征，与对应分级模型进行对比，也可以完成被检品的分级 处理。
[0006] 通过特征提取的算法进行坏损品检测，可以完成对单类型农产品的坏损品检测， 在实际应用中，农产品形态多样，现有的技术算法只能针对单一种类的农产品进行检测，无 法通过一种算法，应用在多种农产品的检测中。
【发明内容】
[0007] 本发明所要解决的技术问题是为了使农产品自动检测分级可以适用到多种农产 品中，通过分析神经生物学原理，建立一种模仿人类对待新事物时通用层级式认知体系，实 现对农产品的自动检测与分级的关键问题。
[0008] 为此目的，本发明提出了一种通用式智能学习农产品检测与分级的方法，包括具 体以下步骤：
[0009] Sl :构建坏损分级模型；
[0010] S2 :对待检验的农产品进行仿人类语言描述；
[0011] S3:将待检验的农产品与所述坏损分级模型进行匹配，完成对待检验的农产品自 动检测与分级操作。
[0012] 进一步地，所述步骤Sl具体包括：
[0013] Sll :构建仿神经元算子；
[0014] S12 :通过通用层级式认知体系结构，由通用层级认知体系底层至顶层，采用反向 反馈机制，将每一层从高级认知向低级认知对符合高级预期的神经元进行增强操作，对不 符合高级预期的神经元进行抑制操作。
[0015] 具体地，所述构建仿神经元算子具体为：通过二维高斯函数公式，将待检测的农 产品图像中像素的相对位置坐标通过公式r 2= U 2+V2代入
【主权项】
1. 一种通用式智能学习农产品检测与分级的方法，其特征在于，包括具体以下步骤： 51 :构建坏损分级模型； 52 :对待检验的农产品进行仿人类语言描述； 53 :将待检验的农广品与所述坏损分级t旲型进彳丁匹配，完成对待检验的农广品自动检 测与分级操作。
2. 如权利要求1所述的方法，其特征在于，所述步骤Sl具体包括： 511 :构建仿神经元算子； 512 :通过通用层级式认知体系结构，由通用层级认知体系底层至顶层，采用反向反馈 机制，将每一层从高级认知向低级认知对符合高级预期的神经元进行增强操作，对不符合 高级预期的神经元进行抑制操作。
3. 如权利要求1所述的方法，其特征在于，所述构建仿神经元算子具体为：通过二维高 斯函数公式，将待检测的农产品图像中像素的相对位置坐标通过公式r 2=U2+V2代入
4. 如权利要求1所述的方法，其特征在于，所述通用层级认知体系由底层到顶层依次 包括：原始数据采集层、功能层、仿生层、部件层以及描述层。
5. -种通用式智能学习农产品检测与分级的装置，其特征在于，包括： 模型构建模块，用于构建坏损分级模型； 仿人类语言描述模块，用于对待检验的农产品进行仿人类语言描述； 匹配操作模块，用于将待检验的农产品与所述坏损分级模型进行匹配，完成对待检验 的农产品自动检测与分级操作。
6. 如权利要求5所述的装置，其特征在于，所述模型构建模块具体包括： 仿神经元算子构建单元，用于构建仿神经元算子； 反向反馈机制操作单元，用于通过通用层级式认知体系结构，由通用层级认知体系底 层至顶层，采用反向反馈机制，将每一层从高级认知向低级认知对符合高级预期的神经元 进行增强操作，对不符合高级预期的神经元进行抑制操作。
7. 如权利要求5所述的装置，其特征在于，所述构建仿神经元算子具体为：通过二维高 斯函数公式，将待检测的农产品图像中像素的相对位置坐标通过公式r 2=U2+V2代入
8. 如权利要求5所述的装置，其特征在于，所述通用层级认知体系由底层到顶层依次 包括：原始数据采集层、功能层、仿生层、部件层以及描述层。
【专利摘要】本发明涉及一种通用式智能学习农产品检测与分级的方法，通过模仿神经节细胞的同心圆结构，构建出仿神经元算子，通过通用层级式认知体系结构，由通用层级式认知体系底层至顶层，采用反向反馈机制，将每一层从高级认知向低级去增强符合高级预期的神经元，并抑制不符合高级预期的神经元，使计算机对被检测品进行仿人类语言式描述，并与对应的描述坏损分级模型进行匹配，完成对农产品的自动检测与分级。本发明适用多种农产品中，能够完成对多品种农产品进行缺陷和损伤的自动检测与分级。本发明还公开了一种通用式智能学习农产品检测与分级的装置。
【IPC分类】G06K9-62, G06N3-02
【公开号】CN104680177
【申请号】CN201510094758
【发明人】赵天奇
【申请人】赵天奇
【公开日】2015年6月3日
【申请日】2015年3月3日