CN111122635A - 一种食用菌干燥状态在线评估方法及系统 - Google Patents

Abstract

本发明实施例提供一种食用菌干燥状态在线评估方法及系统，该方法包括：在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。本发明实施例提供的食用菌干燥状态在线评估方法及系统，综合利用核磁成像和热红外监测技术直接对食用菌进行在线干燥监控，结合深度卷积神经网络分析，在保证产品完整性的同时，提高了检测的效率和精度。

Description

一种食用菌干燥状态在线评估方法及系统

技术领域

本发明涉及农产品加工技术领域，尤其涉及一种食用菌干燥状态在线评估方法及系统。

背景技术

食用菌由于营养价值丰富，富含蛋白质、氨基酸、膳食纤维、矿物质、维生素以及香菇多糖和各种活性因子，深受消费者的喜爱。比如素有“菇中之王”美称的香菇，是世界第二大食用菌。鲜香菇质地细嫩，含水率高达80％(湿基)以上，采收后鲜度迅速下降，从而会引起开伞、菌褶褐变、菇体萎缩等问题，影响风味和商品价值。但食用菌不易贮存，若将其干燥则附加值倍增。

热风干燥(hot air drying，简称HAD)是以热空气为干燥介质，利用煤、石油、天然气等热源提供热量，热空气经风机进入干燥室内，物料表面的水分受热汽化而扩散至周围空气中，干燥期间传质、传热同时进行。因投资较低、操作方便、易于控制，仍是目前香菇干燥的最常用方法之一。

热风干燥过程中往往由于温度过高或干燥时间较长，可引起物料色泽劣变、营养成分降解，甚至产生焦糊现象。针对此类问题，需要对干燥过程中进行监测，通常有直接和间接监测。

间接监测是利用监测干燥室内温度、湿度、热风速度等建立模型后预测干燥状态。例如：通过建立不同风温、风速、装载量及放置方式对食用菌干燥品质的影响，得到食用菌热泵干燥特性曲线，并通过SPSS软件对实验数据进行拟合，建立食用菌热泵干燥动力学模型。但间接检测所使用的模型预测法的测量结果，根据具体工况必然存在很大误差，不同食用菌干燥模型在指导其它食用菌、甚至同一品种的食用菌的实际生产上具有很大局限性。

直接监测就观测物料本身，而常用包括含水率检测法以及磁共振成像技术。其中，含水率检测法就是对物料内部水分变化的监测，传统方法如称重法、电阻法、电容法、介电法、微波法、中子法等仅能测出物料的整体含水率。虽然磁共振成像技术是一种比较理想的测量干燥过程物料内部水分的方法，但均是是离线取样式检测，在食用菌干燥过程中，通过取样放入核磁设备中进行检测，无法实时在线监测干燥过程中水分的变化。

同时，关于在线式检测方面，例如：江南大学自主研发设计的微波真空干燥机，通过设计可以上下移动的玻璃管作为干燥仓，在干燥阶段，设置于微波干燥室中的干燥仓，在检测时，通过拉杆移动到LF-NMR/MRI分析系统的线圈中，同时保证整个过程中真空度和物料量不变，温度波动在可控范围。但在干燥过程中，仅仅对水分扩散监测是不够的。会因物料自身特性而无法保证各部分的干燥均匀性，比如：香菇菌盖和菌柄干燥速率不同，菌柄干燥时间较长，产生焦糊现象，需根据香菇物料特性(如菌柄与菌盖的干燥差异等)，同时监测体表温度分布。

综上所述，现有技术中对于菌类在线检测的方法存在检测手段单一、检测精度差，检测效率低的不足。

发明内容

本发明实施例提供一种食用菌干燥状态在线评估方法及系统，用以解决现有技术中对于使食用菌检测的识别率低、检测手段单一的缺陷。

第一方面，本发明实施例提供一种食用菌干燥状态在线评估方法，包括：在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

进一步地，上述干燥状态分析模型包括：核磁信号图分析子模型、体表红外分布图分析子模型；

核磁信号图分析子模型包括依次连接的第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层和第一全连接层；体表红外分布图分析子模型包括依次连接的第二输入层、第三卷积层、第三池化层、第四卷积层、第四池化层和第二全连接层；

干燥状态分析模型还包括第三全连接层和softmax输出层；其中，第一全连接层和第二全连接层分别连接所述第三全连接层，第三全连接层连接softmax输出层。

进一步地，上述将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果，包括：

将尺寸为160*120的所述体表红外分布图输入至所述第一输入层；

从第一输入层至所述第一卷积层之间采用32个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为32*24*32的第一特征映射图；

从第一卷积层至第一池化层之间采用最大池化方式，包括采用32个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为16*12*32的第二特征映射图；

从第一池化层至第二卷积层之间采用64个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为14*10*64的第三特征映射图；

从第二卷积层至第二池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第四特征映射图；将第四特征映射图输入至通道数为500的第一全连接层；

将尺寸为256*256的核磁信号图输入至第二输入层；

从第二输入层至第三卷积层之间采用64个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为52*52*64的第五特征映射图；

从第三卷积层至第三池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为26*26*64的第六特征映射图；

从三池化层至第四卷积层之间采用128个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为24*24*128的第七特征映射图；

从第四卷积层至第四池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第八特征映射图；

将第八特征映射图输入至通道数为500的第二全连接层；

将经过第一全连接层全连接处理后的第四特征映射图与经过第二全连接层全连接处理后的第八特征映射图同时输入至通道数为N的第三全连接层后，输入至softmax输出层；

获取由softmax输出层输出的N个类别概率，N为干燥状态分析类别的个数；

确定N个类别概率中的最大值所对应的类别为干燥状态分析结果。

进一步地，根据食用菌干燥过程产生焦糊的可能性，确定干燥状态分析类别的个数N为5；干燥状态分析类别包括：不可能、较小可能、可能、可能极大以及确定。

进一步地，上述干燥状态分析模型的激活函数采用修正线性单元ReLU：ReLU(x)＝max(0，x)。

进一步地，在上述将状态辨识特征图输入至干燥状态分析模型之前，还包括：构建状态辨识特征矩阵样本，以及确定每个状态辨识特征矩阵样本对应的干燥状态分析结果标签；基于小批量随机梯度下降法，利用状态辨识特征矩阵样本和干燥状态分析结果标签对干燥状态分析模型进行预训练。

进一步地，上述构建状态辨识特征矩阵样本，以及确定每个状态辨识特征矩阵样本对应的干燥状态分析结果标签，包括：

利用离心机分别测量食用菌样本各局部水分含量，获取核磁信号图样本；在红外视觉范围内，获取食用菌样本在干燥过程中的红外图像，并利用标准温度值对红外图像进行标定，获取体表红外分布图；基于食用菌样本各局部水分含量以及标准温度值，建立与核磁信号图样本和体表红外分布图相对应的干燥状态分析结果标签。

第二方面，本发明实施例提供一种食用菌干燥状态在线评估系统，包括：图像在线检测单元，用于在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；干燥状态分析单元，其中存储有干燥状态分析模型，用于接收状态辨识特征图，并输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面任一项所述食用菌干燥状态在线评估方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一项所述食用菌干燥状态在线评估方法的步骤。

本发明实施例提供的食用菌干燥状态在线评估方法及系统，综合利用核磁成像和热红外监测技术直接对食用菌进行在线干燥监控，结合深度卷积神经网络分析，在保证产品完整性的同时，提高了检测的效率和精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种食用菌干燥状态在线评估方法的流程示意图；

图2为本发明实施例提供的一种干燥状态分析模型的结构示意图；

图3为本发明实施例提供的另一种食用菌干燥状态在线评估方法的流程示意图；

图4为本发明实施例提供的一种食用菌干燥状态在线评估系统的结构示意图；

图5为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例主要提供一种食用菌干燥状态在线评方法，其研究的对象为食用菌但也可以包括一些可食用干货，包括香菇、木耳以及黄花、红枣等，对于各类需要干燥处理的一般食用菌，所采用的热风干燥的方法步骤相似，不同之处一般体现在对于干燥温度、干燥时间等改造条件的控制上。为便于表述在本发明所有实施例中将以香菇为例进行说明，但其不视为对各发明实施例保护范围的限定。

本发明实施例提供一种食用菌干燥状态在线评估方法，如图1所示，包括但不限于以下步骤：

步骤S1：在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；

步骤S2：将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

其中，核磁信号图可以通过低场核磁共振成像仪获取，所述低场核磁共振成像仪主要包括变温单边低场探头，可以对待测食用菌进行检测，根据香菇的内部水分评估指标，生成预定像素的灰度显示图像。其中，预定像素可以是256*256像素。所述的内部水分评估指标主要包括结合水、不易流动水以及自由水三种相态水含量。

进一步地，可以通过热红外摄像头获取加热时香菇体表热分布特征，并通过在红外视觉范围内，固定一高精度温度传感器，获取标准温度值。其中热红外摄像头的测温温度范围可以选择为-20-550℃，可以根据其测量各温度测量值与标准温度之间的温度差对红外图像进行标定，从而生成体表红外分布图。

进一步地，在整个干燥过程中，按照预定时间间隔同时或获取核磁信号图和体表红外分布图，组建成状态辨识特征图，作为预先训练好的干燥状态分析模型中，获取到有该模型输出的对应的干燥状态分析结果。

本发明实施例提供的食用菌干燥状态在线评估方法，综合利用核磁成像和热红外监测技术直接对食用菌进行在线干燥监控，结合深度卷积神经网络分析，在保证产品完整性的同时，提高了检测的效率和精度。

基于上述实施例的内容，作为一种可选实施例，如图2所示，干燥状态分析模型包括但不限于以下结构：

核磁信号图分析子模型、体表红外分布图分析子模型；

其中，核磁信号图分析子模型包括：依次连接的第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层和第一全连接层。

其中，体表红外分布图分析子模型包括：依次连接的第二输入层、第三卷积层、第三池化层、第四卷积层、第四池化层和第二全连接层。

干燥状态分析模型还包括第三全连接层和softmax输出层；其中，第一全连接层和第二全连接层分别连接第三全连接层，第三全连接层连接softmax输出层。

在本发明实施例提供的食用菌干燥状态在线评估方法中，主要是通过建立两个深度学习神经网络子模型，包括：核磁信号图分析子模型和体表红外分布图分析子模型，两个子模型为并行结构。其中，核磁信号图分析子模型主要是用于对获取的核磁信号图进行分析，以获取待测食用菌的内部水分分布状态；体表红外分布图分析子模型主要用于对获取的体表红外分布图进行分析，以获取待测食用菌的体表温度进行分析。

需要说明的是，上述两个子模型是对同一待测食用菌在同一检测时刻获取的核磁信号图和体表红外分布图进行同时分析，并将各自分析的结果通过第三全连接层以及分类模块即softmax输出层，输出每个类别的概率。可以根据所有的类别概率的大小判断出该检测时刻的干燥状态分析结果。

基于上述实施例的内容作为一种可选实施例，如图2所示，上述将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果，包括但不限于以下步骤：

步骤1.1：将尺寸为160*120的所述体表红外分布图输入至所述第一输入层；

步骤1.2：从所述第一输入层至所述第一卷积层之间采用32个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为32*24*32的第一特征映射图；

步骤1.3：从所述第一卷积层至所述第一池化层之间采用最大池化方式，包括采用32个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为16*12*32的第二特征映射图；

步骤1.4：从所述第一池化层至所述第二卷积层之间采用64个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为14*10*64的第三特征映射图；

步骤1.5：从所述第二卷积层至所述第二池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第四特征映射图；将所述第四特征映射图输入至通道数为500的所述第一全连接层；

步骤2.1：将尺寸为256*256的所述核磁信号图输入至所述第二输入层；

步骤2.2：从所述第二输入层至所述第三卷积层之间采用64个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为52*52*64的第五特征映射图；

步骤2.3：从所述第三卷积层至所述第三池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为26*26*64的第六特征映射图；

步骤2.4：从所述三池化层至所述第四卷积层之间采用128个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为24*24*128的第七特征映射图；

步骤2.5：从所述第四卷积层至所述第四池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第八特征映射图；

步骤3：将所述第八特征映射图输入至所述通道数为500的第二全连接层；

步骤4：将经过所述第一全连接层全连接处理后的第四特征映射图与经过所述第二全连接层全连接处理后的第八特征映射图同时输入至通道数为N的第三全连接层后，输入至所述softmax输出层；

步骤5：获取由所述softmax输出层输出的N个类别概率，N为干燥状态分析类别的个数；

步骤6：确定N个所述类别概率中的最大值所对应的类别为干燥状态分析结果。

其中，步骤1.1-步骤1.5为将体表红外分布图输入至干燥状态分析模型中的体表红外分布图分析子模型中进行数据处理的过程；步骤2.1-步骤2.5为将核磁信号图输入至核磁信号图分析子模型中进行数据处理的过程。

其中，第二特征映射图尺寸为16*12*32，是指有32个尺寸为16*12的子图所构成的特征映射图。依此类推，在本发明实施例中涉及到的a*b*c结构的尺寸表述方法中的a*b为子图的尺寸，c为子图的个数。

进一步地，在本发明实施例中所使用的第一全连接层和第二全连接层的通道数被设置为500，但可以根据实际检测对象以及检测精度的需要进行设置，其不视为对本发明实施例保护范围的限定。

其中，在本发明实施例中将体表红外分布图输入至所述第一输入层中，所述体表红外分布图的尺寸被设置为160*120，可以在输入层设置图像处理层对输入的图像进行归一化处理生成160*120的体表温度状态辨识特征矩阵，并将接下来的处理中将所述体表温度状态辨识特征矩阵一次输入至后续的卷积层进行特征提取。同理，在对输入的核磁信号图进行处理之前也可以对其进行归一化处理转换成水分状态辨识特征矩阵，并在接下来的处理中将所述体表温度状态辨识特征矩阵一次输入至后续的卷积层进行特征提取。

进一步地，在本发明实施例中才采用的卷积神经网络，利用softmax层作为输出层，能够同时获取到预设的N个类别的概率值(所有概率之和为1)，再根据各概率值的大小，准确的获取到评估结果所对应的类别，为整个干燥过程做出准确的指导，相较于现有技术，其检测效率、检测速度快、以及鲁棒性均得到了较大的提高。

基于上述实施例的内容，作为一种可选实施例，可以根据食用菌干燥过程产生焦糊的可能性，确定干燥状态分析类别的个数N为5。具体地，干燥状态分析类别可以包括：不可能、较小可能、可能、可能极大以及确定。

进一步地，在本发明实施例中，干燥状态分析模型的激活函数采用修正线性单元ReLU：ReLU(x)＝max(0，x)，即在本实施例中使用斜坡函数。以充分利用ReLU的处理速度快，而且精确度高的特性，更能够满足实时在线检测的需求。

基于上述实施例的内容，作为一种可选实施示例，在将所述状态辨识特征图输入至干燥状态分析模型之前，还包括：构建状态辨识特征矩阵样本，以及确定每个状态辨识特征矩阵样本对应的干燥状态分析结果标签。然后，基于小批量随机梯度下降法，利用状态辨识特征矩阵样本和干燥状态分析结果标签对干燥状态分析模型进行预训练。

其中，构建状态辨识特征矩阵样本，以及确定每个所述状态辨识特征矩阵样本对应的干燥状态分析结果标签，可以采用如下方法，包括：

利用离心机分别测量食用菌样本各局部水分含量，获取核磁信号图样本；在红外视觉范围内，获取食用菌样本在干燥过程中的红外图像，并利用标准温度值对红外图像进行标定，获取所述体表红外分布图；基于食用菌样本各局部水分含量以及标准温度值，建立与核磁信号图样本和体表红外分布图相对应的干燥状态分析结果标签。

如图3所示，本发明实施例提供了一种食用菌干燥状态在线评估方法，其流程如下：

首先对待检测食用菌进行预处理，包括：将多个香菇清洗干净，沥干后，均匀放置于干燥托盘中，并将托盘放入干燥室内，以进入干燥阶段；在实际检测前，一方面，对香菇进行切片，然后利用离心机测量局部中水分含量，建立香菇个体内部水分分布；最后，构建与核磁信号图之间关系，以建立核磁信号图样本

另一方面，在红外视觉范围内，固定一高精度温度传感器，获取标准温度值，对红外图像反演温度分布图进行标定，获取体表红外分布图样本。

经过多次重复实验得到大量香菇核磁信号图样本、香菇体表红外分布图样本；根据获取的每个香菇的个体内部水分分布以及加热时的体表红外分布图，对干燥过程中的香菇，从体表温度分布、内部水分流失等指标对构建的状态辨识特征图进行分类，然后分别进行加注标签。

随机取70％的样本量作为训练集，30％样本量作为测试集，对干燥状态分析模型进行训练。具体地，可以分别对每一个子模型进行分别训练，包括：利用核磁信号图分析子模型以及利用体表红外分布图对体表红外分布图分析子模型进行单独的训练。最终将两个子模型输出的结果同时输入至第三全连接层以及输出层，根据输出的结果，完成对整个干燥状态分析模型的迭代训练。

在将训练样本放入构建好的8层深度卷积神经网络模型中，利用小批量随机梯度下降法进行有监督学习下的模型训练；基于模型完成后，最后依据模型的分类结果预测当前工况下香菇干燥过程产生焦糊的可能性大小。上述过程在迭代次数为3000次时，分类准确率高达95.34％。

至此，在完成了干燥状态分析模型的训练之后，利用该分析模型对输入的状态辨识特征图进行处理，获取该分析模型输出的分类结果。

本发明实施例还提供一种食用菌干燥状态在线评估系统，如图4所示，主要包括图像在线检测单元11和干燥状态分析单元12，其中：

图像在线检测单元11用于在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图。

干燥状态分析单元12中，存储有干燥状态分析模型，用于接收图像在线检测单元11发送的状态辨识特征图，并输入至预先训练好的干燥状态分析模型中，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：在线获取待测食用菌在干燥过程中的核磁信号图，以及与核磁信号图对应的体表红外分布图，核磁信号图和体表红外分布图构成状态辨识特征图；将状态辨识特征图输入至干燥状态分析模型，获取干燥状态分析模型输出的干燥状态分析结果；其中，干燥状态分析模型是基于状态辨识特征矩阵样本以及与状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种食用菌干燥状态在线评估方法，其特征在于，包括：

在线获取待测食用菌在干燥过程中的核磁信号图，以及与所述核磁信号图对应的体表红外分布图，所述核磁信号图和所述体表红外分布图构成状态辨识特征图；

将所述状态辨识特征图输入至干燥状态分析模型，获取所述干燥状态分析模型输出的干燥状态分析结果；

其中，所述干燥状态分析模型是基于状态辨识特征矩阵样本以及与所述状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

2.根据权利要求1所述的食用菌干燥状态在线评估方法，其特征在于，所述干燥状态分析模型包括：核磁信号图分析子模型、体表红外分布图分析子模型；

所述核磁信号图分析子模型包括依次连接的第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层和第一全连接层；

所述体表红外分布图分析子模型包括依次连接的第二输入层、第三卷积层、第三池化层、第四卷积层、第四池化层和第二全连接层；

所述干燥状态分析模型还包括第三全连接层和softmax输出层；

其中，所述第一全连接层和所述第二全连接层分别连接所述第三全连接层，所述第三全连接层连接所述softmax输出层。

3.根据权利要求2所述的食用菌干燥状态在线评估方法，其特征在于，所述将所述状态辨识特征图输入至干燥状态分析模型，获取所述干燥状态分析模型输出的干燥状态分析结果，包括：

将尺寸为160*120的所述体表红外分布图输入至所述第一输入层；

从所述第一输入层至所述第一卷积层之间采用32个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为32*24*32的第一特征映射图；

从所述第一卷积层至所述第一池化层之间采用最大池化方式，包括采用32个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为16*12*32的第二特征映射图；

从所述第一池化层至所述第二卷积层之间采用64个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为14*10*64的第三特征映射图；

从所述第二卷积层至所述第二池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第四特征映射图；将所述第四特征映射图输入至通道数为500的所述第一全连接层；

将尺寸为256*256的所述核磁信号图输入至所述第二输入层；

从所述第二输入层至所述第三卷积层之间采用64个尺寸为5*5的滤波器，进行步长为5的采样，获取尺寸为52*52*64的第五特征映射图；

从所述第三卷积层至所述第三池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为26*26*64的第六特征映射图；

从所述三池化层至所述第四卷积层之间采用128个尺寸为3*3的滤波器，进行步长为1的采样，获取尺寸为24*24*128的第七特征映射图；

从所述第四卷积层至所述第四池化层之间采用最大池化方式，包括采用64个尺寸为2*2的滤波器，进行步长为2的采样，获取尺寸为13*9*64的第八特征映射图；

将所述第八特征映射图输入至所述通道数为500的第二全连接层；

将经过所述第一全连接层全连接处理后的第四特征映射图与经过所述第二全连接层全连接处理后的第八特征映射图同时输入至通道数为N的第三全连接层后，输入至所述softmax输出层；

获取由所述softmax输出层输出的N个类别概率，N为干燥状态分析类别的个数；

确定N个所述类别概率中的最大值所对应的类别为干燥状态分析结果。

4.根据权利要求3所述的食用菌干燥状态在线评估方法，其特征在于，根据食用菌干燥过程产生焦糊的可能性，确定所述干燥状态分析类别的个数N为5；

所述干燥状态分析类别包括：不可能、较小可能、可能、可能极大以及确定。

5.根据权利要求1所述的食用菌干燥状态在线评估方法，其特征在于，所述干燥状态分析模型的激活函数采用修正线性单元ReLU：ReLU(x)＝max(0，x)。

6.根据权利要求1所述的食用菌干燥状态在线评估方法，其特征在于，在所述将所述状态辨识特征图输入至干燥状态分析模型之前，还包括：

构建状态辨识特征矩阵样本，以及确定每个所述状态辨识特征矩阵样本对应的干燥状态分析结果标签；

基于小批量随机梯度下降法，利用所述状态辨识特征矩阵样本和所述干燥状态分析结果标签对所述干燥状态分析模型进行预训练。

7.根据权利要求1所述的食用菌干燥状态在线评估方法，其特征在于，所述构建状态辨识特征矩阵样本，以及确定每个所述状态辨识特征矩阵样本对应的干燥状态分析结果标签，包括：

利用离心机分别测量食用菌样本各局部水分含量，获取所述核磁信号图样本；

在红外视觉范围内，获取食用菌样本在干燥过程中的红外图像，并利用标准温度值对所述红外图像进行标定，获取所述体表红外分布图样本；

基于所述食用菌样本各局部水分含量以及所述标准温度值，建立与所述核磁信号图样本和所述体表红外分布图样本相对应的干燥状态分析结果标签。

8.一种食用菌干燥状态在线评估系统，其特征在于，包括：

图像在线检测单元，用于在线获取待测食用菌在干燥过程中的核磁信号图，以及与所述核磁信号图对应的体表红外分布图，所述核磁信号图和所述体表红外分布图构成状态辨识特征图；

干燥状态分析单元，其中存储有干燥状态分析模型，用于接收所述状态辨识特征图，并输入至所述干燥状态分析模型，获取所述干燥状态分析模型输出的干燥状态分析结果；

其中，所述干燥状态分析模型是基于状态辨识特征矩阵样本以及与所述状态辨识特征矩阵样本对应的干燥状态分析结果标签训练后得到的。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述食用菌干燥状态在线评估方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述食用菌干燥状态在线评估方法的步骤。

Images