【技术实现步骤摘要】
本申请涉及果蔬检测和人工智能，尤其涉及一种基于多光谱图像的目标表面缺陷检测方法及装置。
技术介绍
1、传统的水果分级工作仍依赖人工，存在分级不准确且效率低的问题。例如，对于柑橘，大部分柑橘种植者对柑橘的分级认识不够，仅能剔除不能上市的柑橘，并对柑橘大小做粗略的分级，分级手段主要靠人工分级，故分级结果不够准确。
2、为了提升分级精度，可以采用机器学习方式对水果进行检测和分类，例如，基于机器视觉的柑橘外部品质分选机可以综合检测柑橘的大小、颜色、果形和表面缺陷等主要外部品质指标，具有精度高，自动化程度高和非破坏性检测等优点，在柑橘产后分级处理中得到了广泛应用。
3、但目前的基于机器学习的水果实时分级方法，存在对水果表面缺陷识别不准的问题，导致检测精度受到限制。
技术实现思路
1、本申请实施例提供一种基于多光谱图像的目标表面缺陷检测方法及装置，用以解决现有技术中对目标表面缺陷检测的精度低的技术问题。
2、第一方面，本申请实施例提供一种基于多光谱图像的目标表面缺陷
【技术保护点】
1.一种基于多光谱图像的目标表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述多光谱图像检测模型是基于以下步骤训练获得的：
3.根据权利要求2所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述基于所述可见光复合图像和所述近红外复合图像进行图像配准，得到配准图像，包括：
4.根据权利要求2所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述将所述配准图像与所述可见光复合图像进行图像融合，得到融合图像，包括：
5.根据权利要求2所述的基于多光...
【技术特征摘要】
1.一种基于多光谱图像的目标表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述多光谱图像检测模型是基于以下步骤训练获得的：
3.根据权利要求2所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述基于所述可见光复合图像和所述近红外复合图像进行图像配准，得到配准图像，包括：
4.根据权利要求2所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述将所述配准图像与所述可见光复合图像进行图像融合，得到融合图像，包括：
5.根据权利要求2所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述对所述融合图像进行目标检测，得到检测目标表面缺陷区域的检测结果，包括：
6.根据权利要求1所述的基于多光谱图像的目标表面缺陷检测方法，其特征在于，所述通过拼...
【专利技术属性】
技术研发人员：张驰，贾雪莹，王庆艳，黄文倩，田喜，何鑫，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
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。