杂质的快速检测方法、计算设备和存储介质与流程

技术特征：
1.一种杂质的快速检测方法，其特征在于，包括：获取包含目标物体的待测图像；将所述待测图像输入图像分割模型，以分割所述待测图像中的目标物体区域与杂质区域，并得到分割后的图像，其中，所述图像分割模型包括：训练后的图像分割卷积神经网络模型，所述图像分割卷积神经网络模型包括：依次连接的图像预处理模块、下采样模块、上采样模块和图像分割模块，其中，所述下采样模块包括若干依次连接的下采样子模块，所述上采样模块包括若干依次连接的上采样子模块，所述下采样子模块由残差单元和最大池化层连接而成，所述上采样子模块由上采样单元和残差单元连接而成；将所述分割后的图像输入图像分类模型，以确定所述待测图像中杂质区域所包含的杂质类别，将所述待测图像中杂质区域所包含的杂质类别作为混入目标物体中的杂质类别。2.根据权利要求1所述的杂质的快速检测方法，其特征在于，对图像分割卷积神经网络模型进行训练，包括：获取分割训练数据集，其中，所述分割训练数据集包括若干分割训练样本，每个分割训练样本包括一张包含目标物体的分割训练图像及对该分割训练图像中杂质区域的标记；对每个分割训练样本中的分割训练图像进行预处理，所述预处理包括：为所述分割训练图像添加其是否包含杂质区域的标签，和/或调整所述分割训练图像的尺寸和/或像素；利用预处理之后的分割训练样本组成的分割训练数据集，对图像分割卷积神经网络模型进行训练，以得到训练后的图像分割卷积神经网络模型。3.根据权利要求2所述的杂质的快速检测方法，其特征在于，当所述分割训练样本的数量低于预设分割训练样本数量阈值时，在利用预处理之后的分割训练样本组成的分割训练数据集对图像分割卷积神经网络模型进行训练之前，所述方法还包括：对若干分割训练样本中的分割训练图像按照预设方式进行调整，基于调整后的分割训练图像生成新的分割训练样本，将新生成的分割训练样本补充到所述分割训练数据集中，以使所述分割训练数据集中的分割训练样本的数量不低于预设分割训练样本数量阈值，其中，所述预设方式包括：旋转、宽度偏移、高度偏移和/或缩放。4.根据权利要求2所述的杂质的快速检测方法，其特征在于，利用预处理之后的分割训练样本组成的分割训练数据集，对图像分割卷积神经网络模型进行训练，包括：利用预处理之后的分割训练样本组成的分割训练数据集，通过交叉验证的方法，对图像分割卷积神经网络模型进行训练，并利用均方根传递算法对该训练过程进行优化。5.根据权利要求1所述的杂质的快速检测方法，其特征在于，所述分类模型包括：训练后的图像分类卷积神经网络模型。6.根据权利要求5所述的杂质的快速检测方法，其特征在于，对图像分类卷积神经网络模型进行训练，包括：获取分类训练数据集，其中，所述分类训练数据集包括若干分类训练样本，每个分类训练样本包括一张分割后的训练图像及对该分割后的训练图像中杂质区域所包含的杂质类别的标记；对每个分类训练样本中的分割后的训练图像进行预处理，所述预处理包括：调整所述分割后的训练图像的尺寸和/或像素；利用预处理之后的分类训练样本组成的分类训练数据集，对图像分类卷积神经网络模
型进行训练，以得到训练后的图像分类卷积神经网络模型。7.根据权利要求1所述的杂质的快速检测方法，其特征在于，所述目标物体包括食品，其中，所述食品包括核桃。8.一种计算设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，执行如权利要求1至7中任一项所述的杂质的快速检测方法的步骤。9.一种存储介质，其特征在于，存储有计算机程序，当所述计算机程序被处理器执行时，执行如权利要求1至7中任一项所述的杂质的快速检测方法的步骤。

技术总结
本发明提供一种杂质的快速检测方法、计算设备和存储介质，该方法包括：获取包含目标物体的待测图像；将所述待测图像输入图像分割模型，以分割所述待测图像中的目标物体区域与杂质区域，并得到分割后的图像；将所述分割后的图像输入图像分类模型，以确定所述待测图像中杂质区域所包含的杂质类别，将所述待测图像中杂质区域所包含的杂质类别作为混入目标物体中的杂质类别。实现了杂质检测的自动化，避免了人工提取特征的麻烦，并且节省了杂质检测的时间，提高了杂质检测结果的准确率。提高了杂质检测结果的准确率。提高了杂质检测结果的准确率。


技术研发人员：王海燕 张寅升 侯瑞琪
受保护的技术使用者：杭州市富阳区科源食药质量安全工程研究院
技术研发日：2022.11.24
技术公布日：2022/12/30