【技术实现步骤摘要】
一种基于深度学习的苹果分级识别方法
本专利技术涉及一种苹果分级识别方法。
技术介绍
如图1所示，苹果的缺陷形态主要有虫眼、苹果外皮划痕、苹果外皮破裂、腐烂，其中：虫眼为苹果上的小缺陷点，颜色相对较深，呈离散点的形式分布在苹果表面；苹果外皮划痕为细长的缺陷区域，其颜色相对较浅，与苹果表面的颜色纹理相差较少；苹果外皮破裂为苹果表面的大面积破损，颜色可能相对较深也有可能相对较浅，其表现为苹果表面的大面积损坏；腐烂为大面积的表层坏损，由于腐败原因，苹果表面的腐烂区域也为较深的大面积损伤。苹果由于其出售方式为堆积销售，所以各个目标之间会相对靠拢，这样的场景有以下几个特点：(1)各个目标之间距离较近；(2)目标颜色有较多变化。为了体现错误标注对信息体现的干扰性，由图2所示错误标注方式可见，该标注方式的错误在于：(1)目标标注方案的字体颜色较浅，与目标背景差异较小，人眼不容易直接进行观察。(2)在图下的两个苹果中，两个目标的标注位置太靠拢，无法进行有效的区分目标与标注的关联。(3)标...
【技术保护点】
1.一种基于深度学习的苹果分级识别方法，其特征在于所述方法包括如下步骤：/n步骤一、构建苹果训练数据集/n1、爬取苹果图像数据/n利用Python3.0对百度图片搜索中，关键字为“苹果”的网页进行图片爬取，将爬取的数据文件保存在本地的苹果图像中；/n2、图像预处理/n通过观察爬取到的图片，利用图像处理技术将同一图像中出现多个苹果的图片进行分割，使得每张图像中都有且只有唯一一个苹果；/n步骤二、苹果目标检测/n1、选取步骤一构建的苹果数据集中的苹果图作为检验数据，利用Darknet框架进行数据训练；/n2、完成训练后，利用手机拍摄苹果照片，对该图进行苹果位置检测，并进行标注；...
【技术特征摘要】
1.一种基于深度学习的苹果分级识别方法，其特征在于所述方法包括如下步骤：
步骤一、构建苹果训练数据集
1、爬取苹果图像数据
利用Python3.0对百度图片搜索中，关键字为“苹果”的网页进行图片爬取，将爬取的数据文件保存在本地的苹果图像中；
2、图像预处理
通过观察爬取到的图片，利用图像处理技术将同一图像中出现多个苹果的图片进行分割，使得每张图像中都有且只有唯一一个苹果；
步骤二、苹果目标检测
1、选取步骤一构建的苹果数据集中的苹果图作为检验数据，利用Darknet框架进行数据训练；
2、完成训练后，利用手机拍摄苹果照片，对该图进行苹果位置检测，并进行标注；
步骤三、苹果表面缺陷检测
以截图后的单张苹果图片为输入图像，将每个定位到的苹果进行单独提取，针对虫眼、划痕、裂纹与腐烂四种表面缺陷进行定位；
步骤四、苹果分级识别
1、按照水果行业标准和实际的实验能力，具体苹果的分级行业条款标准，将苹果分为特级、一级、二级；
2、设定符合特级、一级、二级的都为GOOD，不符合的为BAD；
3、使用蓝底绿字作为GOOD标注配色模式，使用蓝底红色作为BAD标注的配色模式；
4、在准确的获得苹果表面缺陷信息后，对苹果进行GOOD与BAD分级。
2.根据权利要求1所述的基于深度学习的苹果分级识别方法，其特征在于所述图像预处理的具体步骤如下：
(1)选择合适的颜色通道
将采集到的苹果图像由RGB模式转换为HSL模式，并进行HSL三通道分离，采用S通道分量作为后续图像处理的输入信号源；
(2)图像灰度化
采用加权平均法对苹果图像进行进一步的灰度化处理，将获得到的RGB三通道图像进行分离，根据三个通道对图像继续进行合并，获得灰度图f(i,j)；
(3)图像去噪
采用加权平均滤波方法进行平滑去噪，利用滑动窗口对图像继续平滑处理，通过对每个像素点与其邻域进行处理，最终获得噪声抑制后的图像；
(4)图像分割
利用灰度图像的自动阈值分割法自动选取图像分割的最佳全局阈值，利用阈值将原图像分成前景、背景两个图象，当取最佳阈值时，背景应该与前景差别最大，通过对每个灰度级计算前景与背景之间的最大类间方差，获得当前图像的最优分割阈值；
(5)轮廓提取
选用Canny边缘检测算子实现边缘检测，最后选取幅值变化比较大的点，生成零碎的边缘，然后采用双阈值算法检测出所有生成的零碎边缘，并将他们依次连接起来便提取得到了目标物体的边缘；
(6)面积提取
设图像中目标区域的长为M，宽为N，像素值(0或1)用B(i,j)来表示，i,j分别是指像素横、纵坐标，对象面积由下式计算得到：
3.根据权利要求2所述的基于深度学习的苹果分级识别方法，其特征在于所述灰度图f(i,j)的计算公式为：
f(i,j)＝0.3R(i,j)+0.59G(...
【专利技术属性】
技术研发人员：王健，苏丽丽，郝曼均，谢鹏飞，娄健童，陈佳怡，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。