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 。

基于分形特征的水果缺陷快速识别方法

计算机视觉和图象处理技术在水果自动分选和分级中起着重要的作用 .因为缺陷检测的复杂性 ,水果表面缺陷的快速检测和识别一直是水果自动化分选和分级的障碍 .在实数域分形盒维数计算方法的基础上 ,提出了双金字塔数据形式的盒维数快速计算方法 .对于待识别水果图象的可疑缺陷区 ,提出用 5个分形维数作为描述该区域粗糙度和纹理方向性的特征参数 ,并用所提出的快速计算方法进行计算 ,然后利用人工神经网络 (BP)作为模式识别器 ,区分水果表面的缺陷区和梗萼凹陷区 .试验结果证明了新方法的有效性和准确性 ,识别准确率为 93% ,一个可疑缺陷区的判别时间为 4～

基于深度学习的水果缺陷实时检测方法

目的:对CenterNet方法进行优化改进。方法:使用MobileNetV3的轻量化卷积神经网络替代CenterNet原有的骨干网络,加快检测速度,对MobileNetV3模块进行改进,增强模型对水果中小缺陷块的检测能力,并对CenterNet的预检测阶段进行优化,提高其检测准确度。结果:试验方法对显著缺陷如直径>4 mm的苹果识别率高达99.7%,检测速度为113帧/s,模型体积为1.31 MB。结论:与CenterNet_ResNet18和CenterNet_Shuffler模型相比,MO-CenterNet模型检测水果缺陷在训练时间、检测速度和准确率方面均衡性更好。

基于机器视觉的水果缺陷检测方法研究

水果分级的目的是使水果达到标准化和商品化,因而水果缺陷检测尤为重要。为增强水果市场的竞争力,国内外对水果缺陷检测方法进行了大量研究。简要介绍了国内外研究状况,对已存在的4种水果缺陷检测技术进行了研究分析,提出了每种检测方法的适用范围,为水果的无损缺陷检测提供了一定的理论依据。

机器视觉在水果缺陷检测中的研究现状

随着我国加入WTO,提高农产品质量和国际竞争力能力是当务之急。为此,对机器视觉在水果缺陷检测进行较为全面地论述。首先简单地介绍了机器视觉在水果分级检测中的重要性,并分别从国内和国外两个方面描述了机器视觉在水果缺陷研究中的最新进展,指出了当今国内外研究中存在的问题和今后进一步研究的设想。