一种草莓缺陷检测方法、装置、计算机设备及存储介质制造方法及图纸

本申请属于计算机视觉技术领域，公开了一种草莓缺陷检测方法、装置、计算机设备及存储介质，该方法包括：获取包含待检测草莓的原始图像；对原始图像进行预处理，得到待检测图像；将待检测图像输入预训练的草莓缺陷检测模型，得到待检测草莓的表面缺陷检测信息和整体轮廓检测信息，草莓缺陷检测模型包括目标检测与语义分割网络模型；根据待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到待检测草莓的缺陷检测结果。本申请可以达到准确高效地对工业分拣场景下的草莓进行缺陷检测的效果。工业分拣场景下的草莓进行缺陷检测的效果。工业分拣场景下的草莓进行缺陷检测的效果。

【技术实现步骤摘要】
一种草莓缺陷检测方法、装置、计算机设备及存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种草莓缺陷检测方法、装置、计算机设备及存储介质。

技术介绍

[0002]目前，草莓缺陷的检测方法主要有两类：一种是人工筛查方法，即对形状畸形、表面有腐烂或挫伤的草莓通过肉眼识别来排查，这种方法不仅会耗费大量的人力和时间，而且由于筛查人员的先验知识不足和精力下降，难免会导致错误筛查和效率低下；另一种则是机器视觉方法，通过人工智能算法和视觉传感器的结合来进行检测，可以提高检测效率。现有机器视觉方法的主要应用场景为户外和温室养殖区，通常仅针对草莓病害分类及其定位进行检测，用于监测草莓的生长情况。然而，在工业分拣场景下经常需要对流水线上的草莓品质进行检测，现有技术既没有考虑到草莓在工业分拣过程中可能因保鲜不到位导致品质问题，又忽视了草莓的形状也是其品质筛查的一部分。因此，现有技术存在工业分拣场景下无法准确高效地检测草莓缺陷的问题。

技术实现思路

[0003]本申请提供了一种草莓缺陷检测方法、装置、计算机设备及存储介质，能够准确高效地对工业分拣场景下的草莓进行缺陷检测。
[0004]第一方面，本申请实施例提供了一种草莓缺陷检测方法，该方法包括：
[0005]获取包含待检测草莓的原始图像；
[0006]对原始图像进行预处理，得到待检测图像；
[0007]将待检测图像输入预训练的草莓缺陷检测模型，得到待检测草莓的表面缺陷检测信息和整体轮廓检测信息，草莓缺陷检测模型包括目标检测与语义分割网络模型；
[0008]根据待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到待检测草莓的缺陷检测结果。
[0009]在其中一个实施例中，将待检测图像输入预训练的草莓缺陷检测模型，得到待检测草莓的表面缺陷检测信息和整体轮廓检测信息，包括：
[0010]将待检测图像输入预训练的目标检测与语义分割网络模型中，使得预训练的目标检测与语义分割网络模型输出待检测草莓的整体轮廓检测信息和多个表面缺陷预测结果；
[0011]通过非极大值抑制算法从多个表面缺陷预测结果中筛选出最优的表面缺陷预测结果，得到待检测草莓的表面缺陷检测信息。
[0012]在其中一个实施例中，对原始图像进行预处理，得到待检测图像，包括：
[0013]将原始图像按预设比例缩放成预设分辨率的图像；
[0014]对预设分辨率的图像进行归一化处理，得到待检测图像。
[0015]在其中一个实施例中，草莓缺陷检测模型还包括分类网络模型；根据待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到待检测草莓的缺陷检测结果，包括：
[0016]根据原始图像、待检测草莓的表面缺陷检测信息和整体轮廓检测信息，生成待检测草莓的缺陷检测图像；
[0017]将待检测草莓的整体轮廓检测信息输入预训练的分类网络模型，得到待检测草莓的尺寸缺陷检测结果；
[0018]根据待检测草莓的缺陷检测图像和尺寸缺陷检测结果，得到待检测草莓的缺陷检测结果。
[0019]在其中一个实施例中，待检测草莓的表面缺陷检测信息为表面缺陷检测图像，待检测草莓的整体轮廓检测信息为整体轮廓检测图像；
[0020]根据原始图像、待检测草莓的表面缺陷检测信息和整体轮廓检测信息，生成待检测草莓的缺陷检测图像，包括：
[0021]将表面缺陷检测图像按照预设比例转换成表面缺陷图像，并将整体轮廓检测图像按照预设比例转换成整体轮廓图像，表面缺陷图像与整体轮廓图像与原始图像的尺寸大小相同；
[0022]将表面缺陷图像、整体轮廓图像及原始图像进行拼接，生成缺陷检测图像。
[0023]在其中一个实施例中，预训练的草莓缺陷检测模型部署在嵌入式设备中。
[0024]在其中一个实施例中，在获取包含待检测草莓的原始图像之前，该方法还包括：
[0025]构建草莓缺陷检测模型，草莓缺陷检测模型包括目标检测与语义分割网络模型以及分类网络模型，目标检测与语义分割网络模型包括目标检测网络和语义分割网络；
[0026]获取多张包含工业分拣线上草莓的样品图像，并对各样品图像中的草莓进行缺陷标注和轮廓标定，得到训练图像集；
[0027]基于训练图像集对草莓缺陷检测模型进行训练，得到预训练的草莓缺陷检测模型；
[0028]将预训练的草莓缺陷检测模型部署在嵌入式设备中。
[0029]第二方面，本申请实施例提供了一种草莓缺陷检测装置，该装置包括：
[0030]图像获取模块，用于获取包含待检测草莓的原始图像；
[0031]图像预处理模块，用于对原始图像进行预处理，得到待检测图像；
[0032]模型检测模块，用于将待检测图像输入预训练的草莓缺陷检测模型，得到待检测草莓的表面缺陷检测信息和整体轮廓检测信息，草莓缺陷检测模型包括目标检测与语义分割网络模型；
[0033]结果输出模块，用于根据待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到待检测草莓的缺陷检测结果。
[0034]第三方面，本申请实施例提供了一种计算机设备，包括存储器及处理器，存储器中储存有计算机程序，计算机程序被处理器执行时，使得处理器执行如上述任一实施例的草莓缺陷检测方法的步骤。
[0035]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的草莓缺陷检测方法的步骤。
[0036]综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
[0037]本申请实施例提供的一种草莓缺陷检测方法，可以获取包含待检测草莓的原始图像；对原始图像进行预处理，得到待检测图像；将待检测图像输入预训练的草莓缺陷检测模
型，得到待检测草莓的表面缺陷检测信息和整体轮廓检测信息，其中，草莓缺陷检测模型包括目标检测与语义分割网络模型，可以实现对待检测图像的目标检测和语义分割，从而检测出草莓的表面缺陷并分割出草莓的整体形状，即得到草莓的表面缺陷检测信息和整体轮廓检测信息；根据待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到待检测草莓的缺陷检测结果，能够对草莓的表面缺陷和形状缺陷均进行检测，适用于工业分拣场景下草莓缺陷的检测。上述方法可以通过预训练的草莓缺陷检测模型对包含草莓的图像进行检测，既可以准确检测出草莓表面缺陷，又能检测到草莓整体轮廓以判断草莓是否存在形状缺陷，能够准确高效地对工业分拣场景下的草莓进行缺陷检测。
附图说明
[0038]图1为本申请一个示例性实施例提供的草莓缺陷检测方法的流程图。
[0039]图2为本申请一个示例性实施例提供的草莓缺陷检测过程的示例图。
[0040]图3为本申请一个示例性实施例提供的模型训练步骤的流程图。
[0041]图4为本申请一个示例性实施例提供的草莓缺陷检测模型的结构图。
[0042]图5为本申请一个示例性实施例提供的数据标注的示例图。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种草莓缺陷检测方法，其特征在于，所述方法包括：获取包含待检测草莓的原始图像；对所述原始图像进行预处理，得到待检测图像；将所述待检测图像输入预训练的草莓缺陷检测模型，得到所述待检测草莓的表面缺陷检测信息和整体轮廓检测信息，所述草莓缺陷检测模型包括目标检测与语义分割网络模型；根据所述待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到所述待检测草莓的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像输入预训练的草莓缺陷检测模型，得到所述待检测草莓的表面缺陷检测信息和整体轮廓检测信息，包括：将所述待检测图像输入预训练的所述目标检测与语义分割网络模型中，使得所述预训练的目标检测与语义分割网络模型输出所述待检测草莓的整体轮廓检测信息和多个表面缺陷预测结果；通过非极大值抑制算法从所述多个表面缺陷预测结果中筛选出最优的表面缺陷预测结果，得到所述待检测草莓的表面缺陷检测信息。3.根据权利要求1所述的方法，其特征在于，所述对所述原始图像进行预处理，得到待检测图像，包括：将所述原始图像按预设比例缩放成预设分辨率的图像；对所述预设分辨率的图像进行归一化处理，得到待检测图像。4.根据权利要求3所述的方法，其特征在于，所述草莓缺陷检测模型还包括分类网络模型；所述根据所述待检测草莓的表面缺陷检测信息和整体轮廓检测信息，得到所述待检测草莓的缺陷检测结果，包括：根据所述原始图像、所述待检测草莓的表面缺陷检测信息和整体轮廓检测信息，生成所述待检测草莓的缺陷检测图像；将所述待检测草莓的整体轮廓检测信息输入预训练的所述分类网络模型，得到所述待检测草莓的尺寸缺陷检测结果；根据所述待检测草莓的缺陷检测图像和尺寸缺陷检测结果，得到所述待检测草莓的缺陷检测结果。5.根据权利要求4所述的方法，其特征在于，所述待检测草莓的表面缺陷检测信息为表面缺陷检测图像，所述待检测草莓的整体轮廓检测信息为整体轮廓检测图像；所述根据所述原始图像、所述待检测草莓的表面缺陷检测信息和整体轮廓...

【专利技术属性】
技术研发人员：毛亮，
申请(专利权)人：广州国家现代农业产业科技创新中心，
类型：发明
国别省市：