基于注意力机制改进的YOLOX水果品质检测与分类

[目的]解决现阶段深度学习技术在检测水果品质时检测精度不高的问题,提出了以SE和CBAM注意力机制模块改进的YOLOX目标检测算法。[方法]选取苹果、香蕉、橙子几种常见的水果作为检测的对象,构建水果数据集,采用LabelImg工具进行标注,进行模型训练,得到性能优异的水果品质检测与分类网络模型。[结果]经过实验可以得出改进后的YOLOX模型平均检测精度值为96.2%,与YOLOv3、YOLOv4、YOLOv5、原始YOLOX相比分别提高了2.4个百分点、2.0个百分点、3.0个百分点、0.6个百分点。[结论]该模型具有较好的检测性能,可为实际农业场景下的水果检测提供参考。

基于YOLOv5的水果品质检测与分类方法研究

水果品质检测与分类对于水果生产、加工、运输和销售具有重要意义。基于传统深度学习技术的水果品质检测方法的精确度和速度有待提高,为此提出基于YOLOv5目标检测算法的水果品质检测与分类方法。首先采集苹果、橘子、香蕉和梨4种水果图像,通过LabelImg工具对其进行标注,从而构建水果图像数据集;然后给出YOLOv5s训练方法,得到性能优异的水果品质检测与分类网络模型。结果表明,YOLOv5s算法对水果品质检测与分类的平均准确率可达95.3%,与YOLOv3、YOLOv3-spp、YOLOv3-tiny和YOLOv4-tiny相比,分别提高了3.7%、0.2%、13.1%和8.73%。算法单幅图像推理时间为10.5ms,具有一定的先进性。采用YOLOv5算法检测水果品质可为实际农业场景下的水果等级分类提供新思路。

深度学习在水果品质检测中的应用

水果因其富含营养和可口,受到人们的喜爱,但水果在采收、贮藏、运输等环节会因操作不当或意外发生损伤,造成腐烂,从而影响水果品质。近年来,深度学习的迅速发展,其被广泛应用于目标检测领域,在水果品质检测方面深度学习也成为了研究的热点。针对深度学习在水果品质检测中的应用进行论述,对深度学习概念和典型算法进行简要概述,介绍了在水果品质检测中常用的几种模型,阐述了深度学习在水果品质外部和内部检测的应用并做出总结。

核磁共振技术在水果品质检测中的应用

核磁共振及其影像技术作为一项新的检测技术在医学上取得了广泛的应用,在农业、食品行业也逐渐开始应用。为此,阐述了核磁共振及其影像技术的基本原理,并从水果内部品质、成熟度、内部缺陷、损伤及水果贮藏等方面介绍了国内外核磁共振技术在水果检测中的应用研究进展,并探讨了研究应用中的优点与局限,展望了核磁共振技术在水果检测中的应用前景。

深度学习在水果品质检测与分级分类中的应用

水果自动无损品质检测与分级分类是保障人们健康的重要措施,也间接影响着水果的经济价值。随着计算机技术的飞速发展,以深度学习为代表的人工智能方法在水果品质检测与分级分类领域的研究中取得了一系列重要成果。本文概述了深度学习的背景及常用的深度学习主流算法,然后从水果外部品质检测、内部品质检测、安全品质检测和分级分类等方面综述了近年来深度学习在水果品质检测与分级分类领域的最新研究成果。最后总结了未来深度学习和水果品质检测、分级分类交叉融合研究与应用中的优势,并展望了水果品质检测与分级分类研究融合深度学习的未来发展方向。

水果品质检测与分级技术

介绍了国内外水果品质检测与分级技术的研究进展;通过对水果的尺寸、形状、颜色、表面缺陷和水果的生物特性等特征来对水果的品质进行检测,进而进行分级处理,有效地提高了水果的品质和市场竞争力;同时,对国内外水果品质检测与分级技术研究中存在的问题及发展前景做了概括。

生物散斑技术在水果品质检测中的应用及图像处理算法进展

生物散斑是一种利用激光在物体内部的折射与反射来反映其内部信息的光学无损检测技术。生物散斑成像设备和图像处理算法不断改进,应用领域也在逐步扩大;但由于干扰因素的存在,建模精度仍是研究者关注的重点。本文较为详尽地整理了散斑图像处理算法,并对生物散斑技术在水果品质检测中的应用进行调研,归纳主要的成像设备,提出改进意见,旨在为后续研究提供启发。

浅谈水果品质智能化实时检测和分级系统

水果品质智能化实时检测和分级系统,是以信息化技术为基础,检验水果质量,预防低质量水果进入市场的一项现代化系统。本文简要阐述了系统的构成情况,强调了系统的应用价值。主要从质量检测与水果分级两方面,对系统的应用方法进行了探讨,以期能够为水果品质检测部门提供参考,提高饮食安全水平。

水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景 ,研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法 ,建立了图像中的点与被测物体上的点之间的定量关系 ;提出了利用物体的边界信息求出物体的形心坐标的新方法 .结果是 :所测水果最大横径与实际最大横径的相关系数为 0 .96 ;采用像素点变换法 ,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想 ;提出了一种新的面积修正方法 ,进一步提高了面积检测的精度 。

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷 ,提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点 ,使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征 ,实现了缺陷与果梗、花萼的区分。试验结果表明 ,该方法检测速度快 ,正确率高 。

基于近红外、机器视觉及信息融合的水果综合品质检测

介绍了水果内外部品质检测的近红外、机器视觉和信息融合技术。近红外技术用于水果成熟度、坚实度、可溶性固形物和内部缺陷等内部品质的检测,机器视觉用于水果大小、形状、颜色、表面缺陷等外部品质的检测。但单一技术只能获得部分信息,采用多传感器信息融合技术可实现水果综合品质的评判,也是水果分级分选的发展趋势。

基于多传感器信息融合的水果综合品质检测与分级

由于单传感器获取信息不全,利用单一检测技术无法实现水果综合品质评价,多传感器信息融合成为水果分级分选的关键技术。介绍了信息融合的原理与方法,对多传感信息融合技术在水果品质检测中的应用进行了综述,旨在为水果分级分选提供技术参考。

近红外光谱用于马铃薯内部品质检测探索

1近红外光谱检测应用 （1）水果品质检测。国外从20世纪60年代开始。将近红外光谱检测技术应用到了水果品质检测中。国内从20世纪70年代开始接触此项技术，20世纪90年代，该技术在水果品质检测中的应用进入高潮。通过采用近红外光谱，可以在不破坏水果外形的前提下。进行水果的外形、着色度、糖度、酸度、水分、坚实度、可溶性固形物以及农药残留度等参数的测量，