CN114463309B 一种结合深度学习和图像处理的黄斑蚕茧识别方法 （中国计量大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114463309B(45)授权公告日2025.07.11

(21)申请号202210123258.5

(22)申请日2022.02.09

(65)同一申请的已公布的文献号申请公布号CN114463309A

(43)申请公布日2022.05.10

(73)专利权人中国计量大学

地址310018浙江省杭州市下沙高教园区

学源街258号

专利权人湖州市质量技术监督检测研究院(湖州市纤维质量监测中心)

(72)发明人李子印郭大容汪小东叶飞金君

(74)专利代理机构杭州浙科专利事务所(普通合伙)33213

专利代理师孙孟辉

(51)Int.CI.

GO6T7/00(2017.01)

G06T7/62(2017.01)

GO6T7/90(2017.01)

G06V10/774(2022.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN113269275A,2021.08.17

CN102184413A,2011.09.14

CN110749598A,2020.02.04

郭大容，李子印，等.结合深度学习与图像处理的黄斑茧识别算法.蚕业科学.2023,全文.

审查员倪珅晟

权利要求书1页说明书4页附图3页

(54)发明名称

一种结合深度学习和图像处理的黄斑蚕茧识别方法

(57)摘要

CN114463309B本发明公开了一种结合深度学习和图像处理的黄斑蚕茧识别方法，包括：建立包含上车茧和黄斑茧的蚕茧图片数据集；训练SE-ResNet网络，待测图片送入训练好的网络进行预测；网络识别结果置信度大于等于75%的直接输出网络识别结果，置信度小于75%的进行图像处理二次识别；将图像转换为HSV格式，进行图像通道分类，在S(饱和度)单通道图片上蚕茧区域进行阈值分割，统计黄斑区域面积，统计S通道图片上统计黄斑区域平均像素值即黄斑的色彩饱和度；设定黄斑面积双阈值和黄斑色彩饱和度阈值，先进行面积双阈值判断，再进行黄色饱和度阈值判断，最后输出图像处理二次识别结果。本发明的结合深度学习和图像处理的黄斑蚕茧识别方法对黄斑

CN114463309B

方法。

蚕茧图像数据采集

蚕茧图像数据采集

Aa万0力族第

数据集扩充

80%作训练集20%作验证集

训练SE-ResNet网络

城。

SE-ResMet网络识别

识财结果，

上车茧

黄斑颜色否识族结果，上车茧

图像处理

黄

深度学习

识刺结果。黄斑茧

测试集数据

理

图维处理

面积》T

CN114463309B权利要求书1/1页

2

1.一种结合深度学习和图像处理的黄斑蚕茧识别方法，其特征在于，包括以下步骤：

S1.采集多张合格上车茧和不合格黄斑茧图片建立蚕茧图像数据集；

S2.对蚕茧图像数据集进行扩充；

S3.将蚕茧图像数据集按80%训练集和20%测试集送入SE-ResNet网络进行网络训练；

S4.待测蚕茧图片输入SE-ResNet网络进行识别预测，预测结果置信度大于75%的直接输出识别结果，预测结果置信度不大于75%的进行数字图像处理二次识别；

S5.对需要图像处理二次识别的图片，统计其黄斑区域的面积和黄斑区域黄色饱和度；

S6.设定黄斑面积双阈值T?和T?,黄色饱和度阈值T?,若黄斑面积大于T?,则二次识别结果为黄斑茧；若黄斑面积小于T?,则二次识别结果为上车茧；若黄斑面积大于等于T?且小于等于T?,则判断黄色饱和度，若黄色饱和度大于T?,则二次识别结果为黄斑茧，若黄色饱和度小于等于T?,则二次识别结果为上车茧；

S3中所述SE-ResNet网络层数为50层，给每张图片输出识别结果并且给出对应结果的置信度，所述SE-ResNet网络为ResNet网络增加特征压缩与激发模块；

S5中将RGB格式的蚕茧图片转换为HSV格式，进行通道分离，分析S通道，对S通道图像二值化，统计黄斑区域的面积，并记录黄斑区域的S通道平均像素值即黄色饱和度。

2.根据权利要求1所述的结合深度学习和图像处理的黄斑蚕茧识别方法，其特征在于：S2