一种基于深度学习的水果种类及腐坏检测分拣系统

本发明涉及深度学习和目标检测领域，具体涉及一种基于深度学习的水果种类及腐坏检测分拣系统。

背景技术：

1、在现代食品加工和物流行业中，高效准确地识别和分拣水果是保证食品安全和减少浪费的关键。传统的水果分拣系统依赖于人工检查或简单的机械筛选，这些方法不仅效率低下，而且难以确保一致性和准确性。随着深度学习技术的发展，一种基于深度学习的水果种类及腐坏检测分拣系统应运而生。该系统利用卷积神经网络先进的机器学习算法，通过分析水果的图像数据，实现对水果种类的快速识别和对腐坏状态的准确判断。这种系统能够自动学习水果的外观特征，包括颜色、形状和纹理等，从而在不依赖于人工干预的情况下，实现高效、准确的水果分拣。这不仅提高了分拣效率，降低了人力成本，还有助于提升食品安全水平，减少因腐坏水果导致的经济损失。

技术实现思路

1、本发明目的在于高效准确地识别和分拣水果是保证食品安全和减少浪费的关键，减少人工检查或简单的机械筛选。旨在提高了分拣效率，降低了人力成本，还有助于提升食品安全水平，减少因腐坏水果导致的经济损失。

2、为了实现上述目的，本发明提供一种基于深度学习的水果种类及腐坏检测分拣系统，其特征在于，包括目标识别系统和底层控制系统：

3、所述目标识别系统包括摄像头模块，预处理模块，深度学习模块和第一通讯模块。所述摄像头模块，所述预处理模块，所述深度学习模块和所述第一通讯模块依次连接。

4、所述摄像头模块，用于实时采集水果图像数据；

5、所述预处理模块，用于将实时采集到水果图像进行分辨率，亮度和饱和度的调整；

6、所述深度学习模块，用于将实时采集的水果图像进行模型训练及识别，得出水果种类和是否腐坏；

7、所述第一通讯模块，用于将识别结果传输到底层控制系统。

8、其中，所述的深度学习模块，包括视频分帧模块，resnet模块，全连接层模块和分类数据模块。所述视频分帧模块，所述resnet模块，所述全连接层模块和所述分类数据模块依次连接。

9、所述视频分帧模块，用于将实时采集的视频流数据分成多帧的图片数据；

10、所述resnet模块，用于作为该系统的卷积神经网络识别的核心；

11、所述全连接层模块，用于计算该图片数据在各个水果种类和水果是否腐坏的概率大小；

12、所述分类数据模块，用于求出其概率最大的值判别出对应的水果种类和水果是否腐坏。

13、其中，所述的底层控制系统，包括第二通讯模块，数据接收模块，主控模块，指示灯模块，电机驱动模块和电源模块。所述第二通讯模块，所述数据接收模块，所述主控模块，所述指示灯模块和所述电机驱动模块分别连接所述电源模块。所述第二通讯模块，所述数据接收模块和所述主控模块依次连接。所述电机驱动模块和所述指示灯模块分别与所述主控模块依次连接。

14、所述第二通讯模块，用于传输所述目标识别系统中所述第一通讯模块的信息数据；

15、所述数据接收模块，用于解码和处理所述目标识别系统中的字符串数据并转换为对应状态至所述主控模块。

16、所述主控模块，用于处理底层控制系统中全部数据；

17、所述指示灯模块，用于将点亮到的对应水果种类和水果是否腐坏的指示灯，对用户直观的显示该次的识别结果；

18、所述电机驱动模块，用于控制分拣的传送带电机，将送至对应的水果的种类和是否腐坏的位置；

19、所述电源模块，为所述第二通讯模块，所述数据接收模块，所述主控模块，所述指示灯模块和所述电机驱动模块停供供电。

技术特征：

1.一种基于深度学习的水果种类及腐坏检测分拣系统，其特征在于，包括目标识别系统和底层控制系统：

2.如权利要求1所述的一种基于深度学习的水果种类及腐坏检测分拣系统，其特征在于，

3.如权利要求1所述的一种基于深度学习的水果种类及腐坏检测分拣系统，其特征在于，

技术总结
本发明涉及深度学习和目标检测领域，具体涉及一种基于深度学习的水果种类及腐坏检测分拣系统。一种基于深度学习的水果种类及腐坏检测分拣系统分为目标识别系统和底层控制系统。目标识别系统搭载在Ubuntu操作系统上运行，底层控制系统搭载在以ARM芯片作为底层控制的主控。本发明主要用于识别水果的种类和水果是否腐坏，并根据识别结果进行分拣。本发明能够为水果零售分拣过程中提供便捷的管理与节约人力成本。

技术研发人员：唐亮,刘焕鹏,王妮,盛涛,陈信君,谢一源,梁睿哲,石玉香,胡海宾,朱煜铭,吕文隆,巫宗洲
受保护的技术使用者：桂林电子科技大学
技术研发日：
技术公布日：2025/1/13