System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于水果检测,具体地涉及一种基于多尺度特征密度估计的芒果缺陷检测方法。
技术介绍
1、在芒果的生长和采摘运输过程中,经常会受到各种因素的影响导致芒果表面出现缺陷,从而影响芒果的品质和销售。由此可见,对新鲜芒果的表面缺陷检测显得尤为重要。传统的检测方法大多是人工肉眼检测,费时费力,而且效率低,无法满足大规模生产的需求。因此,需要开发研制一种快速、无损和高效的芒果表面缺陷检测方法以实现高效可靠的芒果分级。
技术实现思路
1、针对现有技术的不足,本专利技术提供了一种基于多尺度特征密度估计的芒果缺陷检测方法,通过学习无缺陷芒果外观图像的特征信息对基于多尺度特征密度估计的芒果缺陷检测模型进行训练,实现对芒果外观的缺陷检测和缺陷定位,获得更加准确的缺陷检测结果。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、一种基于多尺度特征密度估计的芒果缺陷检测方法,所述方法包括如下步骤:
4、步骤s1,采集芒果的外观图像集并进行去背景处理,得到无背景的芒果外观图像。其中,采集的芒果外观图像包括有缺陷芒果图像和无缺陷芒果图像。
5、步骤s2,将去背景后的图像进行分类,得到无缺陷芒果图像集和有缺陷芒果图像集,对有缺陷芒果图像的缺陷位置进行标记,得到有缺陷芒果图像对应的缺陷信息。
6、步骤s3,将所述无缺陷芒果图像集的一部分(例如75%)作为训练数据集并对这些图像进行数据增强,其余无缺陷芒果图像集(例如25%)和有缺陷芒果图像集,作
7、步骤s4,基于多尺度特征密度估计的芒果缺陷检测模型。
8、步骤s5,以所述训练数据集和测试数据集对所述芒果缺陷检测模型进行训练、验证和测试,得到训练完成的芒果缺陷检测模型。
9、步骤s6,采集待检测芒果的外观图像;将所述待检测芒果的外观图像进行去背景处理并输入所述训练完成的芒果缺陷检测模型,得到待检测芒果的缺陷结果。
10、所述步骤s2中,所述有缺陷芒果图像的缺陷位置进行标记,具体包括:
11、从所述有缺陷芒果图像中获取图像缺陷信息,在图像中用边界框将芒果缺陷的区域圈出来,将缺陷区域像素值置为(255,255,255),无缺陷区域置为(0,0,0),得到与对应缺陷图像尺度相同的掩码图像,以掩码图像作为缺陷位置标记信息。
12、所述步骤s3中构建训练数据集,采用无缺陷芒果图像进行构建。
13、所述步骤s4中构建芒果缺陷检测模型,采用resnet残差神经网络和flow流模型进行搭建,增加对输入数据的组归一化处理。
14、所述步骤s5中,对模型进行训练时,首先输入训练及对所述模型进行250轮训练,每轮训练结束后采用测试集进行测试;如果测试集的结果不达标,重新调整模型的参数或者学习率,并进行下一轮的训练;如果测试集的结果达标或者训练数量达到设定的训练数量则停止训练,并保留最后一轮训练结束时模型的参数。
15、所述步骤s6所检测的缺陷结果,包括是否存在缺陷及对应缺陷位置和缺陷面积。
16、其优点在于:
17、1.本专利技术考虑了芒果缺陷大小和分布的不确定性,采用无缺陷芒果外观图像对缺陷检测模型进行训练,获取无缺陷芒果的特征密度估计,以此作为判断芒果是否存在缺陷及缺陷位置和大小的标准。
18、2.本专利技术提出了一种密度估计方法,相较于传统计算方法,能更加清晰地反映图像之间特征的分布情况,减少噪声的影响,实现更加准确、高效的缺陷检测。
19、3.本专利技术通过输入图像的组归一化处理,统一对输入图像进行尺度调整,解决了传统方法对输入图像尺度的约束。
20、4.本专利技术通过利用背景与芒果的颜色差异可以直接利用阈值操作对收集的芒果外观图像进行去背景处理和水果部分腐蚀处理,得到无背景的芒果外观图像,进一步避免了背景因素对缺陷检测的影响。
21、5.本专利技术通过采用平移、缩放、旋转和翻转等方法对训练数据进行了数据增强,通过少量的数据即可实现缺陷检测模型的训练,避免了大规模的数据采集,降低了成本,提高了效率。
本文档来自技高网...【技术保护点】
1.一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
2.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
3.根据权利要求2所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
4.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
5.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
6.根据权利要求5所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
7.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
【技术特征摘要】
1.一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
2.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
3.根据权利要求2所述的一种基于多尺度特征密度估计的芒果缺陷检测方法,其特征在于包括下列步骤:
4.根据权利要求1所述的一种基于多尺度特征密度估计的芒果缺...
【专利技术属性】
技术研发人员:王世超,贾旭,马云峰,王仁欢,
申请(专利权)人:辽宁工业大学,
类型:发明
国别省市:
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。