买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院合肥物质科学研究院

摘要：本发明公开了一种基于小样本学习的化肥颗粒检测方法，涉及人工智能技术领域，将包含化肥颗粒的化肥颗粒图像与参考标准图像集送入到训练完成的孪生网络模型中，输出化肥颗粒图像分别与合格的参考标准图像和不合格的参考标准图像之间的相似度得分；对得到的所有相似度得分计算加权相似度；将得到的加权相似度分别与预设的合格阈值和不合格阈值进行差值比较，若，则判断待检测的化肥颗粒图像对应的化肥颗粒合格，若，则判断待检测的化肥颗粒图像对应的化肥颗粒不合格；该化肥颗粒检测方法实现了化肥颗粒监测的无人化与智能化，不仅减少了人力成本，而且提高了安全性。

主权项：1.一种基于小样本学习的化肥颗粒检测方法，用于判断化肥颗粒是否合格，其特征在于，将包含化肥颗粒的化肥颗粒图像与参考标准图像集送入到训练完成的孪生网络模型中，所述参考标准图像集包括合格的参考标准图像和不合格的参考标准图像，输出化肥颗粒图像分别与合格的参考标准图像以及不合格的参考标准图像之间的相似度得分；基于合格的参考标准图像以及不合格的参考标准图像对应的权重，对得到的所有相似度得分计算加权相似度；将得到的加权相似度分别与预设的合格阈值和不合格阈值进行差值比较，若，则判断待检测的化肥颗粒图像对应的化肥颗粒合格，若，则判断待检测的化肥颗粒图像对应的化肥颗粒不合格，其中表示加权相似度与合格阈值之间的差值，表示加权相似度与不合格阈值之间的差值；所述孪生网络模型的主体结构为事先通过大型数据集预训练后的ResNet50结构，将ResNet50结构的最后一层全连接层移除后冻结其余所有层，然后在移除全连接层的ResNet50结构的输出端依次连接池化层和比较层；所述孪生网络模型的训练过程如下：S1、获取多个化肥颗粒图像并预处理，以预处理后的化肥颗粒图像作为化肥颗粒图像数据集；S2、基于化肥颗粒图像数据集构建图像对数据集，所述图像对数据集包括多个正样本图像对和多个负样本图像对，所述正样本图像对为从化肥颗粒图像数据集中选取的两张具有相同属性的图像组合，所述负样本图像对为从化肥颗粒图像数据集中选取的两张具有不同属性的图像组合；S3、将图像对数据集中正样本图像对或负样本图像对输入到孪生网络模型中，基于ResNet50结构进行特征提取，分别得到对应的两个图像特征；S4、两个图像特征经过池化层的池化处理后进入比较层计算相似度，分别生成相似度得分；S5、根据两个图像特征分别对应的标签以及相似度得分，应用分级动态相似性损失函数计算孪生网络模型的损失，并通过优化算法更新孪生网络模型的模型参数；其中分级动态相似性损失函数具体如下： 其中，是批次中图像对数据集中图像对的数量，图像对数据集中图像对为正样本图像对和负样本图像对混合后的总称，表示图像对数据集中第个图像对的标签，为图像对数据集中图像对的两个图像之间的相似度得分，和分别是相似图像对和不相似图像对的损失函数，和分别表示相似样本对的阈值以及不相似样本对得阈值，是一个超参数，用于平衡正则项的影响，表示乘积。

全文数据：

权利要求：

百度查询： 中国科学院合肥物质科学研究院 一种基于小样本学习的化肥颗粒检测方法