1.一种获取米粒的垩白度的方法,包括:
采集多张米粒样本图像,其中,所述米粒样本图像为加载了标注信息的图像,所述标注信息至少包括了所述米粒样本图像中米粒的垩白度;
使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型;
基于训练得到的神经网络模型自动检测米粒的垩白度。
2.根据权利要求1所述的方法,其特征在于,所述米粒样本图像的来源包括如下至少之一:通过用户使用的烹饪器具来上传的米粒图像、外观检测仪观测得到的米粒图像、拍摄设备拍摄得到的米粒图像和网络平台上的米粒图像,其中,所述米粒样本图像为训练数据。
3.根据权利要求2所述的方法,其特征在于,用户通过操作烹饪器具、拍摄设备或网络平台来输入待上传的米粒图像的垩白度,输入的垩白度作为所述标注信息加载到所述米粒图像中。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型,包括:
扫描所述米粒样本图像,得到卷积特征图;
对所述卷积特征图进行池化处理,得到去冗余后的特征图;
激活所述去冗余后的特征图,并对激活结果进行分类;
使用bp反向传播算法对分类后的特征图进行训练,得到所述训练好的神经网络模型。
5.根据权利要求4所述的方法,其特征在于,通过所述卷积神经网络的卷积层中的每个卷积核扫描所述米粒样本图像,得到所述卷积特征图,其中所述卷积特征图用于表征所述米粒样本图像中的米粒的特征图层。
6.根据权利要求4所述的方法,其特征在于,通过池化层对所述卷积特征图进行池化处理,得到去冗余后的特征图。
7.根据权利要求4所述的方法,其特征在于,通过所述卷积神经网络的至少一个全连接层激活所述去冗余后的特征图。
8.根据权利要求1所述的方法,其特征在于,在使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型之后,所述方法还包括:
将所述神经网络模型保存在本地设备,或上传至服务器。
9.根据权利要求1所述的方法,其特征在于,基于训练得到的神经网络模型自动检测米粒的垩白度,包括:
如果接收到待检测的米粒图像,将所述待检测的米粒图像上传到服务器;
接收所述服务器返回的垩白度,其中,所述服务器使用所述神经网络模型检测得到所述待检测的米粒图像的垩白度。
10.一种获取米粒的垩白度的装置,包括:
采集模块,用于采集多张米粒样本图像,其中,所述米粒样本图像为加载了标注信息的图像,所述标注信息至少包括了所述米粒样本图像中米粒的垩白度;
训练模块,用于使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型;
检测模块,用于基于训练得到的神经网络模型自动检测米粒的垩白度。
11.根据权利要求10所述的装置,其特征在于,所述采集模块包括如下至少之一:
第一采集模块,用于通过用户使用的烹饪器具来采集米粒样本图像;
第二采集模块,用于通过外观检测仪来采集米粒样本图像;
第三采集模块,用于通过拍摄设备来采集米粒样本图像;
第四采集模块,用于通过网络平台来获取米粒样本图像;
其中,所述米粒样本图像为训练数据。
12.根据权利要求11所述的装置,其特征在于,所述采集模块还包括加载模块,用于在通过所述采集模块输入待上传的米粒图像的垩白度后,将所述垩白度作为所述标注信息加载到所述米粒图像中。
13.根据权利要求10至12中任意一项所述的装置,其特征在于,所述训练模块包括:
扫描模块,用于扫描所述米粒样本图像,得到卷积特征图;
池化模块,用于对所述卷积特征图进行池化处理,得到去冗余后的特征图;
激活模块,用于激活所述去冗余后的特征图,并对激活结果进行分类;
训练子模块,用于使用bp反向传播算法对分类后的特征图进行训练,得到所述训练好的神经网络模型。
14.根据权利要求13所述的装置,其特征在于,所述扫描模块包括:
扫描子模块,用于通过所述卷积神经网络的卷积层中的每个卷积核扫描所述米粒样本图像,得到所述卷积特征图,其中所述卷积特征图用于表征所述米粒样本图像中的米粒的特征图层。
15.根据权利要求13所述的装置,其特征在于,所述池化模块包括池化子模块,用于通过所述池化层对所述卷积特征图进行池化处理,得到去冗余后的特征图。
16.根据权利要求13所述的装置,其特征在于,所述激活模块包括激活子模块,用于通过所述卷积神经网络的至少一个全连接层激活所述去冗余后的特征图。
17.根据权利要求10所述的装置,其特征在于,在使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型之后,所述装置还包括:
保存模块,用于将所述神经网络模型保存在本地设备,或上传至服务器。
18.根据权利要求10所述的装置,其特征在于,所述检测模块包括:
上传模块,用于如果接收到待检测的米粒图像,将所述待检测的米粒图像上传到服务器;
接收模块,用于接收所述服务器返回的垩白度,其中,服务器使用所述神经网络模型检测得到所述待检测的米粒图像的垩白度。
19.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的获取米粒的垩白度的方法。
20.一种处理器,其特征在于,所述处理器用于运行程序,其中,在所述程序运行时执行权利要求1至9中任意一项所述的获取米粒的垩白度的方法。
21.一种烹饪器具,其特征在于,包括:
采集装置,用于采集多张米粒样本图像;
处理器,所述处理器用于运行程序,其中,在所述程序运行时对于从所述采集装置输出的数据执行如下处理步骤:对所述米粒样本图像加载标注信息,所述标注信息至少包括了所述米粒样本图像中米粒的垩白度;使用卷积神经网络对采集到的米粒样本图像进行训练,得到训练好的神经网络模型;基于训练得到的神经网络模型自动检测米粒的垩白度。