目标对象的分类方法、装置、设备及存储介质与流程

    技术2025-06-08  57


    本申请属于机器学习领域和图像识别领域,尤其涉及一种目标对象的分类方法、装置、设备及存储介质。


    背景技术:

    1、农副产品分类是根据农副产品的特征,将农副产品进行等级划分的过程。农副产品分类对提升农副产品的品牌形象具有重要意义,通过农副产品分类可以对农副产品的质量进行评估和控制,及时检测和排除有质量问题的农副产品。

    2、现有的农副产品分类方法中,通过将农副产品倒入提升机料斗内输送至硅胶带上面,由小到大顺序适当的孔径落入接料槽体,由倒料口排出,从而完成大小多种规格均匀分开,完成农副产品的分类。

    3、然而,此方法局限于通过农副产品直径大小这单一属性来进行分类,导致农副产品分类的准确性较低。


    技术实现思路

    1、本申请实施例提供了一种目标对象的分类方法、装置、设备及存储介质,能够提高目标对象分类的准确性。

    2、本申请实施例的一方面,提供一种目标对象的分类方法,该方法包括:

    3、获取第一种类的待分类目标对象的图像;

    4、基于第一种类的待分类目标对象的图像,提取第一种类的待分类目标对象的多个维度的产品特征;

    5、对多个维度的产品特征进行特征融合,得到融合后的产品特征;

    6、将融合后的产品特征输入到目标对象分类模型中,得到第一种类的待分类目标对象的分类级别。

    7、本申请实施例的一方面,提供一种目标对象的分类装置,该装置包括:

    8、图像获取模块,用于获取第一种类的待分类目标对象的图像;

    9、特征提取模块,用于基于第一种类的待分类目标对象的图像,提取第一种类的待分类目标对象的多个维度的产品特征;

    10、特征融合模块,用于对多个维度的产品特征进行特征融合,得到融合后的产品特征;

    11、类别确定模块,用于将融合后的产品特征输入到目标对象分类模型中,得到第一种类的待分类目标对象的分类级别。

    12、本申请实施例的一方面,提供一种电子设备,该设备包括:存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如上述本申请实施例的任意一方面提供的目标对象的分类方法。

    13、本申请实施例的一方面,提供一种可读存储介质,可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如上述本申请实施例的任意一方面提供的目标对象的分类方法。

    14、本申请实施例的一方面,提供一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如上述本申请实施例的任意一方面提供的目标对象的分类方法。

    15、本申请实施例提供的目标对象的分类方法中,首先获取待分类目标对象的图像,然后提取待分类目标对象的图像中多个维度的产品特征。再将多个维度的产品特征进行特征融合,得到融合后的产品特征。最后将融合后的产品特征输入到目标对象分类模型中,得到待分类目标对象的分类级别。本申请实施例通过获取待分类目标对象多个维度的产品特征,可以得到更全面的产品特征。然后将多个维度的产品特征进行融合,得到融合后的产品特征,可以减少各产品特征之间的冗余信息,提高产品特征的准确性。如此,本申请实施例通过获取更全面、更准确的融合后的产品特征,然后根据融合后的产品特征得到待分类目标对象的分类级别,能够提高目标对象分类的准确性。



    技术特征:

    1.一种目标对象的分类方法,其特征在于,所述方法包括:

    2.根据权利要求1所述的方法,其特征在于,所述目标对象包括农副产品。

    3.根据权利要求1所述的方法,其特征在于,所述获取第一种类的待分类目标对象的图像之后,所述方法还包括:

    4.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括形状特征,

    5.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括大小特征,

    6.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括圆润度特征和比例特征,

    7.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括颜色特征,

    8.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括纹理特征,

    9.根据权利要求1所述的方法,其特征在于,所述多个维度的产品特征包括缺陷特征,

    10.根据权利要求1-9任一项所述的方法,其特征在于,所述对所述多个维度的产品特征进行特征融合,得到融合后的产品特征,包括:

    11.根据权利要求1-9任一项所述的方法,其特征在于,所述将所述融合后的产品特征输入到目标对象分类模型中,得到所述第一种类的待分类目标对象的分类级别,包括:

    12.根据权利要求11所述的方法,其特征在于,所述基于所述融合后的产品特征,确定所述第一种类的待分类目标对象的图像各个位置的注意力权重,包括:

    13.根据权利要求11所述的方法,其特征在于,所述基于所述各个位置的注意力权重,通过加权求和生成注意力加权特征,包括:

    14.根据权利要求11所述的方法,其特征在于,所述将所述注意力加权特征通过全连接层映射生成注意力映射特征,包括:

    15.根据权利要求11所述的方法,其特征在于,所述基于所述注意力映射特征,通过全连接层和激活函数得到所述第一种类的待分类目标对象的分类级别,包括:

    16.根据权利要求1所述的方法,其特征在于,所述方法还包括:

    17.一种目标对象的分类装置,其特征在于,所述装置包括:

    18.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;

    19.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-16任意一项所述的目标对象的分类方法。


    技术总结
    本申请公开了一种目标对象的分类方法、装置、设备及存储介质,涉及机器学习领域和图像识别领域。该目标对象的分类方法包括:获取第一种类的待分类目标对象的图像;基于第一种类的待分类目标对象的图像,提取第一种类的待分类目标对象的多个维度的产品特征;对多个维度的产品特征进行特征融合,得到融合后的产品特征;将融合后的产品特征输入到目标对象分类模型中,得到第一种类的待分类目标对象的分类级别。根据本申请实施例提供的目标对象的分类方法,能够提高目标对象分类的准确性。

    技术研发人员:曾启航,罗健,吕传宇,贾珏,代坤
    受保护的技术使用者:中移物联网有限公司
    技术研发日:
    技术公布日:2024/10/24
    转载请注明原文地址:https://symbian.8miu.com/read-32065.html

    最新回复(0)