基于机器视觉的水蜜桃筛选分级方法及系统技术方案

本发明专利技术公开了基于机器视觉的水蜜桃筛选分级方法及系统，涉及机器视觉检测技术领域。通过构建水蜜桃个体筛分指标体系，将筛分指标分类为正向型指标、反向型指标、中间型指标和区间型指标四类，获取待分级水蜜桃个体的机器视觉检测图像，提取所述检测图像中个体的各项筛分指标数据值，将个体的反向型指标、中间型指标、区间型指标数据值进行正向化处理，分别计算第i个个体的各项筛分指标数据与最优值和最劣值之间的距离和根据公式：计算第i个个体评分值C<subgt;j</subgt;，以个体评分值作为标准对水蜜桃个体的等级进行分类处理，能够降低不同品种或不同批次间存在的特征差异对分类结果的影响程度。

【技术实现步骤摘要】

本专利技术涉及机器视觉检测，特别涉及基于机器视觉的水蜜桃筛选分级方法及系统。

技术介绍

1、水果的品质是分级的重要标准，传统的人工与简易机械分级方式无法满足水果品质的分级要求。而基于机器视觉的水果品质分级方法是通过深度学习等图像识别技术进行水果品质分级的，具有高效、无损伤、分级指标多、分级结果可靠等优点，能解决人工分级、简易机械分级存在的问题，得到了广泛的应用。

2、目前，采用机器视觉的水果品质分级方法需要确定分级标准，一般的可以采用人工设定分级阈值或通过机器学习部分个体样本的特征来确定分级标准，然后根据分类标准对个体进行等级分类。由于不同品种，甚至于不同批次的个体间均存在特征差异，统一的分类标准不适用于不同品种或者不同批次间的个体的分级，导致分类结果不具有可信度。为此，我们提出基于机器视觉的水蜜桃筛选分级方法及系统。

技术实现思路

1、本专利技术的主要目的在于提供基于机器视觉的水蜜桃筛选分级方法及系统，可以有效解决
技术介绍
中的问题。

2、为实现上述目的，本专利技术采取的技术方案为，<本文档来自技高网...

【技术保护点】

1.基于机器视觉的水蜜桃筛选分级方法，其特征在于，包括：

2.根据权利要求1所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，正向化处理公式为：

3.根据权利要求1所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，所述筛分指标包括个体最大果径、个体最大周长、个体最大横截面面积、圆度、外表颜色最佳RGB区间、颜色均匀度、最佳色泽着色率中的至少一种。

4.根据权利要求3所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，所述颜色均匀度的获取流程包括以下步骤：

5.根据权利要求1所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，水蜜桃个体的...

【技术特征摘要】

1.基于机器视觉的水蜜桃筛选分级方法，其特征在于，包括：

2.根据权利要求1所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，正向化处理公式为：

3.根据权利要求1所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，所述筛分指标包括个体最大果径、个体最大周长、个体最大横截面面积、圆度、外表颜色最佳rgb区间、颜色均匀度、最佳色泽着色率中的至少一种。

4.根据权利要求3所述的基于机器视觉的水蜜桃筛选分级方法，其特征在于，所述颜色均匀度的获取流程包括以下步骤：...

【专利技术属性】
技术研发人员：陈克明，孙奇男，陈妙金，楼安其，李罗飞，
申请(专利权)人：宁波市奉化区水蜜桃研究所，
类型：发明
国别省市：