一种基于深度学习的食品异物检测方法及系统

本发明公开了一种基于深度学习的食品异物检测方法及系统，包括图像采集模块以及与之相连接的异物分析模块；所述图像采集模块：用于采集食品的RGB图像和穿透图像；所述异物分析模块：将RGB图像对应的食品图像、穿透图像对应的食品图像、颜色特征和形状特征输入至异物检测模型，涉及食品检测技术领域，解决了采用X射线图像并进行分析其中的异物情况时，由于食品X射线图像对于低密度的异物检测时灵敏度过低，从而导致难以识符合现在对食品的高质量要求的技术问题；将食品中颜色的情况作为判断依据之一，将食品的形状特征作为判断依据之一，通过训练的异物检测模型对其进行判断能够避免单一图像对食品内的异物检测时，避免出现较大的漏检率。