申请/专利权人：青岛理工大学

申请日：2024-02-05

公开（公告）日：2024-06-18

公开（公告）号：CN118212631A

主分类号：G06V20/68

分类号：G06V20/68;G06V10/764;G06V10/82;G06V10/774;G06V10/44;G06V10/80;G06N3/042;G06N3/0464;G06N3/0455;G06N3/045;G06N3/048;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于GC‑EfficientNetV2模型的腐烂草莓分类方法，收集包括完好和腐烂状态的草莓照片，并对收集的照片进行人工标注，将人工标注后的草莓照片作为数据集；通过5折交叉验证的方法将数据集分为训练集和验证集；构建GC‑EfficientNetV2模型，使用步骤2所得的训练集对GC‑EfficientNetV2模型进行训练，基于交叉验证方法使用验证集对GC‑EfficientNetV2模型的性能进行测试，最终得到GC‑EfficientNetV2分类模型；采集草莓照片，将采集的草莓照片输入到GC‑EfficientNetV2分类模型中，分类模型输出分类结果。本发明提出的模型省时省力，能够准确地分类腐烂草莓。

主权项：1.一种基于GC-EfficientNetV2模型的腐烂草莓分类方法，其特征在于，包括：步骤1，收集包括完好和腐烂状态的草莓照片，并对收集的照片进行人工标注，将人工标注后的草莓照片作为数据集；步骤2，通过5折交叉验证的方法将步骤1所得的数据集分为训练集和验证集；步骤3，构建GC-EfficientNetV2模型，使用步骤2所得的训练集对GC-EfficientNetV2模型进行训练，基于交叉验证方法使用验证集对GC-EfficientNetV2模型的性能进行测试，最终得到GC-EfficientNetV2分类模型；步骤4，采集草莓照片，将采集的草莓照片输入到步骤3所得的GC-EfficientNetV2分类模型中，分类模型输出分类结果；所述GC-EfficientNetV2模型由基于CNN和CA-Transformer、基于GCN的两个特征提取分支构成，其中基于CNN和CA-Transformer的特征提取分支负责处理图像数据；基于GCN的特征提取分支将图像数据转换为图数据，并经过三层图卷积操作，两个特征提取分支结果融合后，输出最终的分类结果和置信度。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种基于GC-EfficientNet V2模型的腐烂草莓分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD