一种苹果外观缺陷识别系统及方法技术方案

本发明专利技术公开了一种苹果外观缺陷识别系统及方法，其包括步骤：S1、获取由工业相机采集的原始图像，将原始图像处理为单颗苹果图像；S2、将单颗苹果图像输入到预先完成训练的yolov3‑tiny模型中，得到缺陷区域数据S3、将得到的缺陷区域数据输入到预先完成训练的MobileNetV3模型中，得到缺陷分类数据；S4、根据缺陷区域数据和缺陷分类数据对苹果进行分级。本发明专利技术技术方案能够有效识别苹果表面缺陷，识别准确率高，识别类型全，大大提升了分选效率，减轻劳动强度，降低分选成本。

【技术实现步骤摘要】
一种苹果外观缺陷识别系统及方法
本专利技术涉及图像识别领域，具体涉及一种苹果外观缺陷识别系统及方法。
技术介绍
苹果分选采用人工的话，面临着劳动强度大，分选效率低，分选质量不高的问题，苹果的自动分选技术逐步得到应用，其有效降低劳动强度，降低企业成本。但现有的分选机主要通过机械分选实现苹果大小的分选，对于苹果红黑点、苹果锈等外观缺陷还无法进行识别，仍然需要人工进行分拣，现有分选机仍然存在自动化程度低、用工成本高等问题。
技术实现思路
本专利技术的目的在于提供一种苹果外观缺陷识别系统及方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种苹果外观缺陷识别方法，其中，包括以下步骤：S1、获取由工业相机采集的原始图像，将原始图像处理为单颗苹果图像。S2、将单颗苹果图像输入到预先完成训练的yolov3-tiny模型中，得到缺陷区域数据。S3、将得到的缺陷区域数据输入到预先完成训练的MobileNetV3模型中，得到缺陷分类数据。S4、根据缺陷区域数据和缺陷本文档来自技高网...

【技术保护点】
1.一种苹果外观缺陷识别方法，其特征在于，包括以下步骤：/nS1、获取由工业相机采集的原始图像，将原始图像处理为单颗苹果图像；/nS2、将单颗苹果图像输入到预先完成训练的yolov3-tiny模型中，得到缺陷区域数据；/nS3、将得到的缺陷区域数据输入到预先完成训练的MobileNetV3模型中，得到缺陷分类数据；/nS4、根据缺陷区域数据和缺陷分类数据对苹果进行分级。/n

【技术特征摘要】
1.一种苹果外观缺陷识别方法，其特征在于，包括以下步骤：
S1、获取由工业相机采集的原始图像，将原始图像处理为单颗苹果图像；
S2、将单颗苹果图像输入到预先完成训练的yolov3-tiny模型中，得到缺陷区域数据；
S3、将得到的缺陷区域数据输入到预先完成训练的MobileNetV3模型中，得到缺陷分类数据；
S4、根据缺陷区域数据和缺陷分类数据对苹果进行分级。


2.根据权利要求1所述的苹果外观缺陷识别方法，其特征在于，将原始图像处理为单颗苹果图像具体为：所述原始图像为彩色RGB图像，将原始图像转换到HSV颜色空间，根据H通道阈值把原始图像分为前景和背景，前景即为单颗苹果图像。


3.根据权利要求2所述的苹果外观缺陷识别方法，其特征在于，所述yolov3-tiny模型通过以下方法训练:
采集若干单颗苹果图像，对单颗苹果图像中外观缺陷进行人工标定，用矩形框标注外观缺陷的区域和类型；
将标定好的图像按照缺陷类型进行归类，用其中一部分图像作为训练集，剩余部分图像作为验证集，训练深度学习模型的yolov3进行缺陷检测；
对训练好的yolov3模型，通过知识蒸馏的方式训练yolov3-tiny模型。


4.根据权利要求3所述的苹果外观缺陷识别方法，其特征在于，所述外观缺陷类型包括红黑点、苹果锈、鸡爪纹、风裂口、虎皮、日烧、磕碰伤、刺伤、划痕、腐烂。


5.根据权利要求3所述的苹果外观缺陷识别方法，其特征在于，采集10万张单颗苹果图像进行yolov3-tiny...

【专利技术属性】
技术研发人员：闫东伟，李文磊，
申请(专利权)人：上海畅选科技合伙企业有限合伙，
类型：发明
国别省市：上海;31