一种融合人类知识的交互式食品图像缺陷检测方法及系统技术方案

本发明专利技术涉及食品质量控制技术领域，提供了一种融合人类知识的交互式食品图像缺陷检测方法及系统，包括：响应于训练指令，对食品图像依次进行背景分割和过度分割，得到超像素；获取标记的超像素分类，并对超像素进行特征提取；基于提取的特征和标记的超像素分类，对分类器进行训练；响应于部署指令，对食品图像依次进行背景分割、过度分割和特征提取后，通过训练好的分类器，进行分类，得到食品图像中的缺陷区域。实现了自动检测与人类知识的交互式融合。融合。融合。

【技术实现步骤摘要】
一种融合人类知识的交互式食品图像缺陷检测方法及系统


[0001]本专利技术属于食品质量控制
，尤其涉及一种融合人类知识的交互式食品图像缺陷检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]食品缺陷自动检测系统能够替代或辅助人工检验员评估原料和加工食品的各种质量属性，从而以相对较低的成本保证食品质量。在食品行业中，劳动力成本普遍较高，而制造商的利润率通常较低。以土豆为例，由于在购买时大多数情况下无法直接品尝，消费者倾向于购买外观良好的土豆产品。因此，许多食品行业公司愿意投资适当的计算机视觉技术，以降低成本并促进销售。
[0004]食品图像缺陷检测任务可以理解为根据食品图像中存在的缺陷情况对其进行分级分类。简单的分类是根据缺陷区域的大小占比将食品图像分为有缺陷和无缺陷两类。复杂的分类则将食品的缺陷划分为多个类别(例如三个)。典型的基于图像食品缺陷分析的机器视觉系统通常包含以下三个主要步骤：(1)预处理(从图像背景中分割出感兴趣的区域)，(2)提取图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，包括：响应于训练指令，对食品图像依次进行背景分割和过度分割，得到超像素；获取标记的超像素分类，并对超像素进行特征提取；基于提取的特征和标记的超像素分类，对分类器进行训练；响应于部署指令，对食品图像依次进行背景分割、过度分割和特征提取后，通过训练好的分类器，进行分类，得到食品图像中的缺陷区域。2.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，采用阈值方法进行背景分割；或者，采用超像素分割算法进行过度分割。3.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：对每个超像素，计算平均值、方差和偏度。4.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：在强度通道上使用边缘检测器，确定像素强度的变化速率。5.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：在强度通道上使用范围滤波器，计算邻域内的最小值、最大值和最大值与最小值之间的差异。6.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提...

【专利技术属性】
技术研发人员：宋然，张浩，张伟，王坚，孙宇勇，
申请(专利权)人：山东大学，
类型：发明
国别省市：