基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。

1 整体模型与算法

1.1 模型框架

1.2 输入层

1.3 卷积层

1.4 池化层

1.5 全连接层和输出层

2 算法验证及数据分析

2.1 试验环境

2.2 试验设计

2.3 试验结果分析

2.4 与其他方法的对比

3 结论

类型: 期刊论文

作者: 裴悦琨,连明月,姜艳超,叶家敏,韩心新,谷宇

关键词: 缺陷检测,樱桃分级,机器视觉,卷积神经网络

来源: 食品与机械 2019年12期

年度: 2019

分类: 工程科技Ⅰ辑,农业科技,信息科技

专业: 园艺,计算机软件及计算机应用

单位: 大连大学辽宁省北斗高精度位置服务技术工程实验室,大连大学大连市环境感知与智能控制重点实验室

基金: 国家自然科学基金项目（编号：61601076）,国防重点实验室开放基金项目（编号：614240101060217）,辽宁省博士启动基金项目（编号：20170520159）

分类号: S662.5;TP391.41

DOI: 10.13652/j.issn.1003-5788.2019.12.025

页码: 137-140+226

总页数: 5

文件大小: 784K

下载量: 185