一种基于深度学习分类的坚果外源性异物检测方法
授权
摘要
本发明公开了一种基于深度学习分类的坚果外源性异物检测方法。本发明的具体检测方法为：获取待检测坚果RGB彩色图像，转换灰度图像进行二值化处理并获取每个检测对象图像区域；准备外源性异物样本图像数据和坚果样本图像数据于训练和测试；设计深度学习分类网络并完成检测模型训练，保存训练好的网络连接权重矩阵；将待检测对象区域图像送进已经训练好的深度学习分类网络进行图像分类检测，完成坚果外源性异物检测。本发明能准确有效识别坚果外源性异物，方便工程应用，具有较大的应用价值。
基本信息
专利标题 ：
一种基于深度学习分类的坚果外源性异物检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109410209A
申请号 ：
CN201811376255.2
公开（公告）日 ：
2019-03-01
申请日 ：
2018-11-19
授权号 ：
CN109410209B
授权日 ：
2022-04-12
发明人 ：
应义斌容典谢丽娟
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
林超
优先权 ：
CN201811376255.2
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/11 G06T7/90 G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-04-12 ：
授权
2019-03-26 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20181119
申请日 : 20181119
2019-03-01 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
