(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210932613.3 (22)申请日 2022.08.04 (71)申请人 联通 （广东） 产业互联网有限公司 地址 510000 广东省广州市黄埔区(中新广 州知识城)亿创街1号 406房之555 (72)发明人 廖良松　邹一荣　李好　黄菁　 谭远祥　周晨辉　聂彬　栗少卿　 覃韬　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 专利代理师 郑永泉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/26(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 荔枝成熟度识别模型的训练及使用方法 (57)摘要 本发明提供荔枝成熟度识别模型的训练及 使用方法。 荔枝成熟度识别模型的训练方法包 括： 对若干个荔枝品种分别进行果实图片的收 集； 对收集的果实图片根据成熟度进行分类标 注； 对收集的果实图片进行分割标注； 利用经过 分类标注以及分割标注的果实图片构建训练集 和验证集； 将训练集输入成熟度预测级联网络模 型进行训练， 得到收敛的成熟度预测级联网络模 型； 将验证集输入收敛的成熟度预测级联网络模 型进行验证； 根据验证结果对成熟度预测级 联网 络模型进行优化； 所述成熟度预测级联网络模型 包括： 目标检测 网络， 用于对训练集的果实图片 进行目标检测； 图像分割网络， 用于对训练集的 果实图片进行分割。 本发明可以有效地训练出快 速识别荔枝成熟的模型。 权利要求书2页 说明书7页 附图2页 CN 115100533 A 2022.09.23 CN 115100533 A 1.一种荔枝成熟度识别模型的训练方法， 其特 征在于， 包括： 对若干个荔枝品种分别进行果实图片的收集； 对收集的果实图片根据成熟度进行分类标注； 对收集的果实图片进行分割标注； 利用经过分类标注以及分割标注的果实图片 构建训练集和验证集； 将训练集输入成熟度 预测级联网络模型进行训练， 得到收敛的成熟度 预测级联网络模 型； 将验证集输入收敛的成熟度预测级联网络模型进行验证； 根据验证结果对成熟度预测级联网络模型进行优化； 所述成熟度预测级联网络模型包括： 目标检测网络， 用于对训练集的果实图片进行目 标检测； 图像分割网络， 用于对训练集的果实图片进行分割。 2.根据权利要求1所述的荔枝成熟度识别模型的训练方法， 其特 征在于： 所述对收集的果实图片根据成熟度进行分类标注为： 根据果皮红色区域覆盖果面比例 以及红色 色泽鲜艳程度， 将收集的果实图片分为成熟度1 ‑10成。 3.根据权利要求1所述的荔枝成熟度识别模型的训练方法， 其特征在于： 在将训练集输 入成熟度预测级联网络模型进 行训练之前， 对收集的果 实图片的果 实本体和果实上红色区 域进行分割标注， 得到原 始图片和分割mask图片。 4.根据权利要求1所述的荔枝成熟度识别模型的训练方法， 其特征在于： 所述目标检测 网络为基于yo lov5改进的神经网络； 所述基于yo lov5改进的神经网络为： 特 征融合层为Repbl ock结构。 5.根据权利要求1所述的荔枝成熟度识别模型的训练方法， 其特征在于： 所述目标检测 网络为基于yo lov5改进的神经网络； 所述基于yo lov5改进的神经网络为： 损失函数为SIOU损失函数。 6.根据权利要求1所述的荔枝成熟度识别模型的训练方法， 其特征在于： 所述图像分割 网络包括若干个卷积层以及一个损失函数层； 所述若干个卷积层通过 上采样和/或下采样和/或跳层的方式连接； 所述损失函数层与N个卷积层连接， 其中N≥2。 7.一种荔枝成熟度识别模型的使用方法， 其特征在于， 采用权利要求1 ‑6任一项所述的 收敛的成熟度预测级联网络模型进行荔枝成熟度的识别， 所述方法包括： 将待识别的荔枝果实图片输入所述收敛的成熟度预测级联网络模型； 输出荔枝的成熟度。 8.根据权利要求7 所述的荔枝成熟度识别模型的使用方法， 其特 征在于： 对所述收敛的成熟度预测级联网络模型进行量 化处理； 所述量化处理为： 将浮 点数范围的权 重转化为8bit整型表示的范围。 9.一种荔枝成熟度识别模型的训练系统， 其特 征在于， 包括： 果实图片收集模块， 用于对若干个荔枝品种分别进行果实图片的收集； 分类标注模块， 用于对收集的果实图片根据成熟度进行分类标注； 分割标注模块， 用于对收集的果实图片进行分割标注； 样本集构建模块： 用于利用经过分类标注以及 分割标注的果实图片构建训练集和验证 集； 模型训练模块， 用于将训练集输入成熟度预测级 联网络模 型进行训练， 得到收敛的成熟权　利　要　求　书 1/2 页 2 CN 115100533 A 2度预测级联网络模型； 模型验证模块， 用于将验证集输入收敛的成熟度预测级联网络模型进行验证； 模型优化模块， 用于根据验证结果对成熟度预测级联网络模型进行优化； 所述成熟度预测级联网络模型包括： 目标检测网络， 用于对训练集的果实图片进行目 标检测； 图像分割网络， 用于对训练集的果实图片进行分割。 10.一种识别荔枝成熟度的系统， 其特 征在于， 包括： 荔枝果实图片获取模块， 用于获取待识别的荔枝果实图片； 荔枝成熟度识别模块， 用于将待识别的荔枝果实图片输入收敛的成熟度 预测级联网络 模型， 得到 荔枝的成熟度。权　利　要　求　书 2/2 页 3 CN 115100533 A 3