一种产品新鲜度检测的处理方法、系统、设备及介质

本发明涉及计算机视觉处理与深度学习，特别是涉及一种产品新鲜度检测的处理方法、系统、设备及介质。

背景技术：

1、随着居民生活水平的提升，改善性需求不断增长，农产品行业得到较好的发展。与此同时，人们对农产品的品质要求也越来越高，尤其是对产品的新鲜度要求。现有的检测产品新鲜度的方法主要是通过人工检测识别和机器视觉检测，然而无论是人工检测还是现有的机器视觉检测，检测过程中都容易造成对产品造成损坏，且人工检测的检测效率较低，机器检测的检测精度较低。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种产品新鲜度检测的处理方法、系统、设备及介质，能够提升产品新鲜度的检测精度和检测效率。

2、为实现上述目的及其他相关目的，本发明提供一种产品新鲜度检测的处理方法，包括：

3、获取目标图像数据集和待检测图像数据集；

4、对初始目标检测网络模型进行模块替换处理，生成第一目标检测网络模型；

5、对所述第一目标检测网络模型进行注意力机制嵌入处理，生成第二目标检测网络模型；

6、对所述第二目标检测网络模型进行函数变更处理，生成中间目标检测网络模型；

7、根据所述目标图像数据集对所述中间目标检测网络模型进行训练处理，生成最终目标检测网络模型；以及

8、将所述待检测图像数据集输入所述最终目标检测网络模型中进行检测处理，生成产品新鲜度数据，以完成对产品新鲜度的检测。

9、在本发明一实施例中，所述获取目标图像数据集和待检测图像数据集的步骤包括：

10、获取初始图像数据集和所述待检测图像数据集；

11、对所述初始图像数据集进行标注处理，生成图像标注数据集；以及

12、对所述图像标注数据集进行格式转换处理，生成目标图像数据集。

13、在本发明一实施例中，所述对初始目标检测网络模型进行模块替换处理，生成第一目标检测网络模型的步骤包括：

14、获取互操作性协议模块；以及

15、根据所述互操作性协议模块对所述初始目标检测网络模型中特征提取层中的残差特征提取模块进行替换处理，生成第一目标检测网络模型。

16、在本发明一实施例中，所述对所述第一目标检测网络模型进行注意力机制嵌入处理，生成第二目标检测网络模型的步骤包括：

17、构建全局注意力机制；以及

18、将所述全局注意力机制嵌入所述第一目标检测网络模型的特征融合层中，生成第二目标检测网络模型。

19、在本发明一实施例中，所述全局注意力机制包括通道注意力机制以及空间注意力机制。

20、在本发明一实施例中，所述对所述第二目标检测网络模型进行函数变更处理，生成中间目标检测网络模型的步骤包括：

21、获取目标检测损失函数；

22、根据所述目标检测损失函数对所述第二目标检测网络模型中的初始损失函数进行修改处理，生成中间目标检测网络模型。

23、在本发明一实施例中，所述根据所述目标图像数据集对所述中间目标检测网络模型进行训练处理，生成最终目标检测网络模型的步骤包括：

24、对所述目标图像数据集进行预处理，生成预处理图像数据集；

25、对所述中间目标检测网络模型进行随机梯度下降处理，生成参数最优的所述中间目标检测网络模型；以及

26、将所述预处理图像数据集输入参数最优的所述中间目标检测网络模型中并进行训练处理，生成最终目标检测网络模型。

27、本发明还提供一种产品新鲜度检测的处理系统，所述系统包括：

28、图像采集模块，用以获取目标图像数据集和待检测图像数据集；

29、替换处理模块，用以对初始目标检测网络模型进行模块替换处理，生成第一目标检测网络模型；

30、嵌入处理模块，用以对所述第一目标检测网络模型进行注意力机制嵌入处理，生成第二目标检测网络模型；

31、函数修改模块，用以对所述第二目标检测网络模型进行函数变更处理，生成中间目标检测网络模型；

32、模型训练模块，用以根据所述目标图像数据集对所述中间目标检测网络模型进行训练处理，生成最终目标检测网络模型；以及

33、检测判断模块，用以将所述待检测图像数据集输入所述最终目标检测网络模型中进行检测处理，生成产品新鲜度数据，以完成对产品新鲜度的检测。

34、本发明还提供一种电子设备，其特征在于，所述电子设备包括：

35、一个或多个处理器；

36、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至7中任一项所述的产品新鲜度检测的处理方法。

37、本发明还提供一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的产品新鲜度检测的处理方法。

38、如上所述，本发明提供一种产品新鲜度检测的处理方法、系统、设备及介质，通过对初始目标检测网络模型依次进行模块替换处理，注意力机制嵌入处理、函数变更处理以及训练处理，以生成具备较高检测精度的最终目标检测网络模型，能够提升产品新鲜度的检测精度和检测效率。

技术特征：

1.一种产品新鲜度检测的处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的产品新鲜度检测的处理方法，其特征在于，所述获取目标图像数据集和待检测图像数据集的步骤包括：

3.根据权利要求1所述的产品新鲜度检测的处理方法，其特征在于，所述对初始目标检测网络模型进行模块替换处理，生成第一目标检测网络模型的步骤包括：

4.根据权利要求1所述的产品新鲜度检测的处理方法，其特征在于，所述对所述第一目标检测网络模型进行注意力机制嵌入处理，生成第二目标检测网络模型的步骤包括：

5.根据权利要求4所述的产品新鲜度检测的处理方法，其特征在于，所述全局注意力机制包括通道注意力机制以及空间注意力机制。

6.根据权利要求1所述的产品新鲜度检测的处理方法，其特征在于，所述对所述第二目标检测网络模型进行函数变更处理，生成中间目标检测网络模型的步骤包括：

7.根据权利要求1所述的产品新鲜度检测的处理方法，其特征在于，所述根据所述目标图像数据集对所述中间目标检测网络模型进行训练处理，生成最终目标检测网络模型的步骤包括：

8.一种产品新鲜度检测的处理系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的产品新鲜度检测的处理方法。

技术总结
本发明提供一种产品新鲜度检测的处理方法，包括：获取目标图像数据集和待检测图像数据集；对初始目标检测网络模型依次进行模块替换处理、注意力机制嵌入处理、函数变更处理以及训练处理，生成最终目标检测网络模型；将所述待检测图像数据集输入所述最终目标检测网络模型中进行检测处理，生成产品新鲜度数据，以完成对产品新鲜度的检测。通过本发明公开的一种产品新鲜度检测的处理方法、系统、设备及介质，能够提升产品新鲜度的检测精度和检测效率。

技术研发人员：夏瑶,姜烨,孔岚婷,韦海玥,孔嘉,曾彤,姜兆能
受保护的技术使用者：合肥工业大学
技术研发日：
技术公布日：2024/1/13