基于机器视觉的苹果缺陷快速检测方法研究

发布时间：2022-01-24 21:15

　　针对目前中国苹果分选大部分还是经由人工筛选的现状,提出一种基于机器视觉的苹果缺陷快速检测方法。采用亮度自动校正技术消除苹果表面亮度不均匀分布,根据缺陷候选区域的数量,完成对苹果的初步判断,并使用加权相关向量机进一步对有缺陷的苹果进行判断。通过试验对文中方法的有效性和准确性进行验证。试验结果表明,该检测方法对1 000个测试样本的识别准确率为99.1%,对各种缺陷的检测精度较高。 

【文章来源】：食品与机械. 2020,36(10)北大核心

【文章页数】：6 页

【部分图文】：

系统结构

缺陷检测流程

校正与分割

【参考文献】：
期刊论文
[1]基于GoogLeNet深度迁移学习的苹果缺陷检测方法[J]. 薛勇,王立扬,张瑜,沈群.  农业机械学报. 2020(07)
[2]农业信息化与农业现代化融合发展研究[J]. 刘国斌,车宇彤.  情报科学. 2019(01)
[3]一种分布式电力电子环网拓扑及时钟同步算法[J]. 刘杨洋,苏建徽.  电测与仪表. 2018(17)
[4]大田农业物联网应用现状与展望[J]. 李瑞,敖雁,孙启洵,武威,刘涛,孙成明.  北方园艺. 2018(14)
[5]中国农业物联网及“互联网+农业”进展[J]. 郭亚,朱南阳,夏倩,燕浩明,徐誉,蒋永年.  世界农业. 2018(07)
[6]Hybrid artificial bee colony algorithm with variable neighborhood search and memory mechanism[J]. FAN Chengli,FU Qiang,LONG Guangzheng,XING Qinghua.  Journal of Systems Engineering and Electronics. 2018(02)
[7]基于层次分析法的输电线路防山火预警评估模型[J]. 朱奇,郭江,曾兵,付杰.  电测与仪表. 2018(06)
[8]基于混沌多宇宙算法的苹果表面缺陷检测研究[J]. 李红娟,杨颖辉.  江苏农业科学. 2017(15)
[9]基于卷积神经网络的苹果缺陷检测算法[J]. 刘云,杨建滨,王传旭.  电子测量技术. 2017(03)
[10]基于Halcon的苹果品质视觉检测试验研究[J]. 项辉宇,薛真,冷崇杰,胡晶.  食品与机械. 2016(10)



本文编号：3607313