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：青岛兴牧畜牧科技发展有限公司

摘要：一种基于参照色卡图像校正的猪肉质量分类方法，其特征在于，采用参照色卡对图像进行校正，所述参照色卡为劳尔色卡，其步骤如下：S102：图像分割，对所获取的猪肉样品图片进行处理，从中分离出只包含劳尔色卡的图像；S103，预训练校正模型，将步骤S102中获取的劳尔色卡图像进行训练；S104：图像校正处理；S105，AlexNet模型训练，采用AlexNet模型对图像进行训练，获得训练好的分类模型；S106，将训练好的分类模型应用于猪肉质量分类。其有益效果为通过预训练VGG16模型，获取与图像对应的图像的颜色变换矩阵，从而实现对猪肉样品图像的高度真实还原，提高猪肉样品图像的质量。

主权项：1.一种基于参照色卡图像校正的猪肉质量分类方法，其特征在于，采用参照色卡对图像进行校正，所述参照色卡为劳尔色卡，其步骤如下：S101：获取猪肉样品图片，通过图像采集器，获得同一光照条件下的猪肉样品图片，并对猪肉样品进行检测，根据检测结果对猪肉样品图片进行标记，分成好、差两类；S102：图像分割，对所获取的猪肉样品图片进行处理，从中分离出只包含劳尔色卡的图像；S103：预训练校正模型，对步骤S102中获取的劳尔色卡的图像进行训练；S104：图像校正处理，将步骤S102中获取的图像分割出其中只包含猪肉样品的图片，输入到步骤S103生成的预训练校正模型中，获得对应的颜色变换矩阵，再通过OpenCV的cv2.transform函数，根据所述颜色变换矩阵对只包含猪肉样品的图片进行校正，从而获得校正后的猪肉样品图像；S105，AlexNet模型训练，采用AlexNet模型对校正后的猪肉样品图像进行训练，获得训练好的分类模型；S106，将训练好的分类模型应用于猪肉质量分类；所述步骤S101中的图像采集器主要包括：底座1、外罩2、内罩3和盖板4，所述底座1上面设有外罩2，所述外罩2的内部设有内罩3，在外罩2和内罩3的顶端设有盖板4，所述底座1的内部设有用承载色卡和猪肉样品的载物台5；所述猪肉样品的检测指标为：PH值、色泽、脂肪含量和水分含量；所述步骤S103的步骤如下：S201：获取色卡图片，将步骤S102中的劳尔色卡的图像进行预处理，使劳尔色卡的图像中的色卡纹理方向一致；S202：VGG16模型训练，通过加载预训练的VGG16模型，对步骤S201的劳尔色卡的图像作为输入数据进行训练；S203，生成图像校正模型，通过步骤S202不断的迭代训练，获得预训练校正模型；所述步骤S202的预训练的VGG16模型输入图像的形状大小为224×224×3，将VGG16模型作为特征提取器，即只使用VGG16模型的卷积层，而不使用其全连接层，再通过预设颜色校正模型，所述颜色校正模型由两部分组成：输入层和输出层，所述输入层为劳尔色卡的图像，所述输出层为颜色变换矩阵；将所述的VGG16模型的卷积层和颜色校正模型的输入层连接起来，形成一个新的输入层；通过上述过程形成的预定义好的VGG16模型；将步骤S201中的劳尔色卡的图像和与劳尔色卡的图像对应的颜色变换矩阵作为准备数据，所述颜色变换矩阵是由OpenCV的cv2.cvtColor函数来根据劳尔色卡的图像上的颜色值，计算出图像的颜色变换矩阵；所述训练预定义好的VGG16模型，使用劳尔色卡的图像作为输入，颜色变换矩阵作为输出，损失函数为均方误差，并使用Adam优化器来更新模型的参数；在使用预训练校正模型时，将待校正的图像作为输入数据，通过预训练校正模型进行预测，得到相应的颜色变换矩阵，再通过OpenCV的cv2.transform函数，根据颜色变换矩阵对待校正的图像进行校正，从而获得校正后的图像。

全文数据：

权利要求：

百度查询： 青岛兴牧畜牧科技发展有限公司 一种基于参照色卡图像校正的猪肉质量分类方法