基于卷积神经网络的苹果缺陷检测算法

苹果的外观是评价苹果品质的重要特征。由于苹果的果萼与果梗的影响,机器视觉技术检测苹果的外观缺陷一直是研究的难点,提出了基于卷积神经网络(CNN)的苹果分块缺陷检测算法。首先改进了一种基于RGB彩色分量算术运算的背景分割算法;然后采用64×64步长为32的窗口对前景进行分块处理,以正常、果萼、果梗、边界图像块为正样本,以腐烂、疤痕、虫伤等缺陷统一为负样本,采用渐进式学习方法确定训练样本数目。正常与缺陷苹果各150个作为测试数据。实验结果表明,该算法的检测速度为5个/s,且正确率高达97.3%。

基于近红外高光谱图像的苹果轻微损伤检测

针对苹果轻微损伤时,基于可见光的机器视觉方法难以有效检测的缺点,开展了近红外高光谱图像的苹果轻微损伤检测研究.首先,用900-1 700 nm近红外波段范围对轻微损伤苹果高光谱成像,图像显示损伤部分与正常部分区别明显.其次,采用特征波段比方法和不均匀二次差分方法对损伤苹果光谱图像进行处理,增强损伤处与正常位置的可分性.最后,利用3种分割方案,对损伤部分进行自动分割.对50个含轻微损伤和正常的苹果进行分割,实验结果表明,不均匀二次差分方法的损伤检测准确率为92%,比主成分分析法和波段比方法具有更高的检测准确率,为轻微损伤苹果的准确检测提供了一种新的方法.

基于计算机视觉的苹果表面缺陷识别方法

在利用计算机视觉技术检测苹果外部品质的过程中,苹果表面缺陷的识别相对于形状、大小、颜色的检测要复杂得多,因此缺陷检测方法的研究极具挑战性。在实验的基础上,本文对几种缺陷检测算法(“洪水法”和“蛇形法”、“自适应球形变换法”、“参考图像法”、“标准球体灰度模型法”)的思路和实验结果进行了深入的分析和比较,并对缺陷检测中尚待解决的问题进行了阐述。